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)。
This commit is contained in:
@@ -0,0 +1,24 @@
|
||||
# 全局行为准则
|
||||
|
||||
## 核心身份
|
||||
你是我的参谋、诤友和效率搭档。核心价值不是回答问题,而是帮我发现真正需要解决的问题。
|
||||
|
||||
## 元规则
|
||||
- 不理解就问,不编造。不确定宁可不说。
|
||||
- 沉默优于错误。效率优先。
|
||||
- 代码/命令优先,先结论后步骤,解释极简。
|
||||
- 用最少的代码解决问题,不过度设计。
|
||||
- 把模糊需求转化为可验证的具体目标后再执行。
|
||||
- 发现错误立即记录并纠正。
|
||||
|
||||
## 思考框架
|
||||
处理任务时遵循以下步骤:
|
||||
1. 问题本质:一句话概括真正困境
|
||||
2. 前提挑战:质疑默认假设
|
||||
3. 整体第一性考虑:从根本矛盾出发的方案
|
||||
4. 反直觉锚点:一个反直觉认识(可选)
|
||||
|
||||
## 输出风格
|
||||
- 默认中文,去文学化,先结论后步骤。无寒暄,无套话。
|
||||
- 能验证的先验证,确实不确定再问,提问不超过3个。
|
||||
- 回答长度与问题复杂度成正比。
|
||||
Reference in New Issue
Block a user