3 Commits

Include renames

Author	SHA1	Message	Date
butubb	61808444ad	feat(monitor): 评论接口带上 a_bogus 签名；修好作品导出的空列 ... **评论能采了。** 之前 comment/list 一直回 200 + 空 body，被读成「这条没评论」—— 而它其实只是被网关挡了。缺的就是 a_bogus 签名，仓库里本来就有 （libs/douyin.js + execjs）。签上之后实测 200 / 9960 字节真评论。 只给评论接口签：作品、详情、博主资料三个不带签名也照常返回，而给它们加签名是 没验证过的改动。签名按需 import —— 那个模块 import 时就把 JS 喂给 execjs， 不该拖进监控层热路径。 **作品导出那几列一直是空的。** 列名写的是裸键 liked_count，而作品行的指标嵌在 metrics / deltas 里，row.get() 永远取到 None —— 导出来的表有「点赞/评论/收藏/ 分享」四列，每一格都没有数。原来的测试只断言了「作品ID」，所以没发现。 顺手补上：导出带上 博主备注/昵称、作品备注、发布时间，时间戳格式化成人能读的 形态（原来是一串 13 位毫秒，Excel 里没法看也没法排序）。	2026-10-10 21:09:52 +08:00
butubb	5552e2a2b8	fix(monitor): 抖音任务永远「运行中」—— page.evaluate 卡在一个死掉的标签页上，而我没给超时 ... 用户报「一直在运行中」。库里那条 run 是真的卡住了：日志里一条采集输出都没有， 说明它卡在 collect 里、还没走到任何日志。探针定位到： 标签页: [''] ← 一个 URL 为空的标签页，渲染进程已卡死 context.cookies(): OK, 90 个 ← cookie 读得到 page.evaluate('navigator.userAgent'): **永远不返回** 而问浏览器要身份（UA + client hints）是采集的**第一步**，`page.evaluate` 又**没设超时** —— 于是整轮挂在那儿，run 永远停在「运行中」。 三处修复，各挡一层： 1. `page.evaluate` / `context.cookies()` 全部加超时（8 秒）。卡住就跳过，不再无限等。 2. 不假设第一个标签页是好的：逐个试、优先抖音页；全都不行就临时开一个干净页问完关掉。 拿不到就退回库里那份 cookie —— **不编造指纹**，那比没有更糟。 3. **进程内那条路补上整体超时**：爬虫那条靠 `run_and_wait(timeout=...)` 兜底，这条路 没有子进程、没人管，里面任何一次卡住都会变成永久的「运行中」。 测试 +6：卡死的页会被跳过（真 sleep，验的正是超时）、没 UA 的页跳过、全不行时开临时页 并关掉它、优先抖音页；以及整轮卡住时 run 不会停在 running（含超时原因）。	2026-10-10 17:51:54 +08:00
butubb	7442bc10b8	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」。 顺带：把参考项目目录加进 .gitignore。上一次 `git add -A` 把 mac-agent-os-main 整个 （1429 个文件）带进了提交，已从历史里清掉。 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 17:13:04 +08:00