feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程，直接发 HTTP

移植自 mac-agent-os 的 mediacrawler_adapter：不起子进程、不开页面，用浏览器里那份登录态直接调抖音 Web 接口。产物键名照抄 store/douyin，所以 ingest 那条链路一个字不用改。 **目前能用的（真环境实测，非推断）**： profile/other : 200, 7075 字节 —— 博主主页指标（粉丝/获赞/作品数/昵称） aweme/detail : 200, 45425 字节 —— 单条作品详情（含点赞/评论/收藏/分享） **目前不能用的：作品列表 `aweme/post`。** 两个互相独立的原因： 1. 这个接口被抖音单独升级成了真校验：不带 x-tt-argus 回 403「Uifid Not Found」，带上 dummy 值回 200 + **空 body**。也就是说「头在不在」骗得过，「真校验」过不了。同一套头打 profile/other 和 aweme/detail 都是通的 —— 抖音是挑着接口加保护的，挑中的恰好是「批量拉作品列表」这个最敏感的动作。 2. 改走页面截获也不行：CDP 浏览器打开博主主页会落到「验证码中间页」（当天大量探测的代价，过几小时要重测）。所以现在的边界是：**已知作品的指标刷新能做，自动发现新作品做不了**。 **排查中控住变量后得到的两条事实**（都写进注释了）： · `Accept` / `Accept-Language` / `Referer` 才是主页接口能返回真数据的原因 —— 只有 UA+client hints+Cookie 时是 200 但仅 121 字节的空壳，补上这三个头变 7074 字节。（我先前猜的 sec-ch-ua 不是关键。） · 因此 UA 与 client hints 必须**成套地取自同一个浏览器**，所以 BrowserIdentity 一次从 CDP 取齐 cookie + UA + hints，而不是各自写死。「200 + 空 body 必须当场报错」也是刻意写死的：放过去它会在下游变成「这个博主没作品」，把一次失败伪装成一条正常结果 —— 爬虫那条路正是这么栽的，还被翻译成「账号被封」。测试 +11：cookie 解析、请求头成套性（含 uifid 缺失/回退）、产物键名与 store 对齐、以及 _get 的三条失败路径（空 body / 403 带网关原话 / 正常返回）。
2026-10-10 17:12:25 +08:00
parent 21ff01b894
commit 2112c1a870
1601 changed files with 367425 additions and 0 deletions
@@ -0,0 +1,128 @@
+"""
+状态归零模块 — 操作执行前的准备和清理
+
+每次操作前自动执行:
+1. 杀残留浏览器进程 (camoufox)
+2. 杀残留 Playwright 驱动
+3. 清理临时文件
+4. 检查并释放过期锁
+5. 检查磁盘空间
+6. 返回 ready 状态
+"""
+
+import subprocess, logging, shutil, time
+from pathlib import Path
+
+logger = logging.getLogger("dashboard.preflight")
+TEMP_DIRS = ["/tmp/camoufox_*", "/tmp/playwright_*"]
+
+
+def kill_processes(name: str) -> dict:
+    """杀掉指定名称的进程"""
+    try:
+        r = subprocess.run(
+            ["pkill", "-f", name],
+            capture_output=True, text=True, timeout=5
+        )
+        # pkill returns 0 if killed, 1 if no process found (OK either way)
+        return {"killed": r.returncode == 0, "output": r.stdout or r.stderr or ""}
+    except subprocess.TimeoutExpired:
+        return {"killed": False, "output": "超时"}
+    except FileNotFoundError:
+        return {"killed": False, "output": "pkill not available"}
+
+
+def cleanup_temp_files() -> dict:
+    """清理临时文件"""
+    cleaned = 0
+    for pattern in TEMP_DIRS:
+        import glob
+        for fp in glob.glob(pattern):
+            try:
+                shutil.rmtree(fp, ignore_errors=True)
+                cleaned += 1
+            except:
+                pass
+    return {"cleaned_dirs": cleaned}
+
+
+def check_disk_space(min_gb: int = 5) -> dict:
+    """检查磁盘空间"""
+    try:
+        r = subprocess.run(["df", "-h", "/"], capture_output=True, text=True, timeout=5)
+        lines = r.stdout.strip().split("\n")
+        if len(lines) >= 2:
+            parts = lines[1].split()
+            if len(parts) >= 4:
+                avail = parts[3]
+                # 转换成GB
+                avail_gb = 0
+                if avail.endswith("G"):
+                    avail_gb = float(avail[:-1])
+                elif avail.endswith("M"):
+                    avail_gb = float(avail[:-1]) / 1024
+                elif avail.endswith("T"):
+                    avail_gb = float(avail[:-1]) * 1024
+                elif avail.endswith("K"):
+                    avail_gb = float(avail[:-1]) / 1024 / 1024
+                else:
+                    try:
+                        avail_gb = float(avail)
+                    except:
+                        avail_gb = 0
+                return {"available_gb": avail_gb, "sufficient": avail_gb >= min_gb}
+    except:
+        pass
+    return {"available_gb": 0, "sufficient": False}
+
+
+def check_browser_running() -> dict:
+    """检查是否有浏览器正在运行"""
+    try:
+        r = subprocess.run(["pgrep", "-f", "camoufox"], capture_output=True, text=True, timeout=5)
+        running = r.returncode == 0
+        return {"running": running, "pids": r.stdout.strip() if running else ""}
+    except:
+        return {"running": False}
+
+
+def run(machine: str = "") -> dict:
+    """执行完整的 preflight check
+    
+    Returns:
+        {"ready": True/False, "checks": {...}, "message": "..."}
+    """
+    checks = {}
+    all_ok = True
+
+    # 1. 杀残留浏览器
+    c1 = kill_processes("camoufox")
+    checks["kill_camoufox"] = c1
+    time.sleep(0.5)
+
+    # 2. 杀残留驱动
+    c2 = kill_processes("playwright")
+    checks["kill_playwright"] = c2
+    time.sleep(0.3)
+
+    # 3. 清理临时文件
+    c3 = cleanup_temp_files()
+    checks["cleanup_temp"] = c3
+
+    # 4. 检查磁盘
+    c4 = check_disk_space()
+    checks["disk_space"] = c4
+    if not c4.get("sufficient", True):
+        all_ok = False
+
+    # 5. 检查浏览器是否还在跑
+    c5 = check_browser_running()
+    checks["browser_still_running"] = c5
+    if c5.get("running"):
+        all_ok = False
+
+    return {
+        "ready": all_ok,
+        "checks": checks,
+        "message": "环境就绪" if all_ok else "环境未就绪，请查看 checks 详情",
+    }