fix(douyin): 两个让抖音采集根本跑不起来的上游缺陷

用户建了个抖音博主任务，两次都是 exit 1、产物目录空空。查下来是上游两处缺陷，
与我们那层监控无关 —— 但它们在别的网络上未必复现，所以社区里没人报。

1) media_platform/douyin/core.py:101 —— 首页 goto 永远等不到 load

    await self.context_page.goto(self.index_url)   # 默认 wait_until="load"

   抖音首页的 load 事件不会触发（有长连接/埋点类请求一直挂着）。实测同一台 Chrome、
   同一个地址：domcontentloaded 0.7 秒返回，load 等满 90 秒仍超时。后果是整个采集
   一步没走就崩，退出码 1，看起来像「抖音不能用」。改成显式 domcontentloaded ——
   上游的贴吧和知乎本来就是这么写的，抖音这个页面只是恰好属于「永远不 load」那类。

2) media_platform/douyin/login.py:266 —— 注入 cookie 后页面是陈旧的

   login_by_cookies 把 cookie 塞进 context，但页面是在这之前加载的；SPA 只在加载时
   读一次登录态，localStorage.HasUserLogin 还停在"未登录"，紧接着 check_login_state
   会对着这个陈旧值轮询到超时（600×1 秒＝十分钟）再 sys.exit()。下一轮才正常，因为
   那时 cookie 已在 profile 里 —— 表现是"第一次白等十分钟、第二次才行"，很容易被当
   偶发。修复：注入后 reload(domcontentloaded)。

   与 xhs 那个 __INITIAL_STATE__ 快照问题是同一类：页面状态是加载那一刻的快照。
   本仓库扫码登录与运营模块也各自踩过。

UPSTREAM.md 的第二类「上游 bug 修复」表补上这两条与成因说明（原来只有两条 xhs 的）。

验证：在服务器容器里手工复现，改完后真实采到数据 ——
  Parsed sec_user_id: MS4wLjABAAAArLubjxXEcLeiqehxgk4il4AHMu0hXu6_qlmD8z5WmMs
  get_all_user_aweme_posts ... video len : 1
  douyin aweme id:7690458980574358513, title:中秋哪儿都堵...
产物落在 douyin/jsonl/ 下，顺带把适配器里「平台 id 是 dy、目录是 douyin」的映射
用真实输出证实了。

UPSTREAM.md

@@ -64,14 +64,16 @@ Dockerfile / .dockerignore / docker-compose.yml     服务器部署用
 
 | 文件 | 修的问题 |
 |---|---|
-| `media_platform/xhs/core.py` | 见下节 |
-| `media_platform/xhs/login.py` | 同上（cookie 加固） |
+| `media_platform/xhs/core.py` | 见下节 1 |
+| `media_platform/xhs/login.py` | 见下节 2（cookie 加固） |
+| `media_platform/douyin/core.py` | 见下节 3（首页 `goto` 永远超时，采集根本起不来） |
+| `media_platform/douyin/login.py` | 见下节 4（注入 cookie 后页面陈旧，白等十分钟） |
 
 ---
 
-## 二、应该给上游提 PR 的两个修复
+## 二、应该给上游提 PR 的四个修复
 
-这两处是**上游自身的缺陷**，提上去以后就不用自己背着：
+这四处都是**上游自身的缺陷**，提上去以后就不用自己背着：
 
 ### 1. 博主主页抓取失败会跳掉整个博主（`xhs/core.py`）
 
@@ -90,6 +92,36 @@ Dockerfile / .dockerignore / docker-compose.yml     服务器部署用
 `a1` / `webId` 等签名所需 cookie 只能靠持久化 profile 补，冷启动时签名会失败。
 默认行为保持不变，用 `INJECT_ALL_COOKIES` 开关控制。
 
+### 3. 抖音首页的 `goto` 永远等不到 `load`（`douyin/core.py:101`）
+
+```python
+await self.context_page.goto(self.index_url)      # 默认 wait_until="load"
+```
+
+抖音首页的 `load` 事件**不会触发**（有长连接/埋点类请求一直挂着）。实测：同一台
+Chrome、同一个地址，`domcontentloaded` 0.7 秒返回，而 `load` 等满 90 秒仍然超时。
+后果是整个采集**一步都没走就崩**，退出码 1 —— 看起来像"抖音不能用"。
+
+修复：显式 `wait_until="domcontentloaded"`。上游的贴吧（`tieba/core.py`）和知乎
+（`zhihu/core.py`）本来就是这么写的，抖音这个页面只是恰好属于"永远不 load"的那类。
+
+> 这个缺陷在本机可能复现不出来（换个网络/有缓存时 `load` 也许能触发），所以社区里
+> 没人报。它和网络快慢无关：不是"慢"，是那个事件根本不会发生。
+
+### 4. 注入 cookie 后页面是陈旧的（`douyin/login.py:266`）
+
+`login_by_cookies()` 把 cookie 塞进 browser context，但**页面是在这之前加载的** ——
+SPA 只在加载时读一次登录态，`localStorage.HasUserLogin` 于是还停在"未登录"，
+紧接着的 `check_login_state()` 会对着这个陈旧的值轮询到超时（600 次 × 1 秒 = 十分钟），
+然后 `sys.exit()`。**下一轮**才正常，因为那时 cookie 已经在 profile 里了。
+
+表现是"第一次跑白等十分钟、第二次才行"，很容易被当成偶发。
+
+修复：注入完 cookie 后 `reload(wait_until="domcontentloaded")`，让站点立刻重新判定会话。
+
+> 与第 1 条同源：都是"页面状态是加载那一刻的快照"。本仓库的扫码登录（`api/monitor/qrlogin.py`）
+> 和运营模块也各自踩过这个坑，那里的判据改成了拿 cookie 问后台接口，而不是读页面快照。
+
 ---
 
 ## 三、上游更新时怎么操作

media_platform/douyin/core.py

@@ -98,7 +98,12 @@ class DouYinCrawler(AbstractCrawler):
                 await self.browser_context.add_init_script(path="libs/stealth.min.js")
 
             self.context_page = await self.browser_context.new_page()
-            await self.context_page.goto(self.index_url)
+            # wait_until="domcontentloaded" instead of the default "load": the douyin
+            # home page never fires the load event (some long-lived request keeps it
+            # pending), so the default burns the whole timeout and the crawl dies
+            # before it starts. Measured here: domcontentloaded returns in 0.7s while
+            # load still times out at 90s. Tieba and Zhihu already do the same.
+            await self.context_page.goto(self.index_url, wait_until="domcontentloaded")
 
             self.dy_client = await self.create_douyin_client(httpx_proxy_format)
             if not await self.dy_client.pong(browser_context=self.browser_context):

media_platform/douyin/login.py

@@ -272,3 +272,14 @@ class DouYinLogin(AbstractLogin):
                 'domain': ".douyin.com",
                 'path': "/"
             }])
+        # Reload after injecting. The page was loaded *before* these cookies existed,
+        # so its `localStorage.HasUserLogin` still holds the logged-out value and
+        # check_login_state() polls it until the timeout expires (10 minutes) without
+        # ever succeeding -- only the *next* run works, because by then the cookies
+        # are in the profile. Reloading makes the site re-evaluate the session now.
+        try:
+            await self.context_page.reload(wait_until="domcontentloaded")
+        except Exception as exc:  # pragma: no cover - reload is best effort
+            utils.logger.warning(
+                f"[DouYinLogin.login_by_cookies] reload after cookie injection failed: {exc}"
+            )