butubb
2112c1a870
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）。
101 lines
3.2 KiB
Python
101 lines
3.2 KiB
Python
"""
|
|
Peekaboo 使用策略层 — 控制截图频率和用量，避免 token 浪费
|
|
|
|
核心原则：
|
|
1. 能不用不用 — 优先用 DOM/API/文本方式
|
|
2. 非必要不截图 — 截图是最后手段
|
|
3. 截图有冷却 — 5秒内不重复截
|
|
4. 单会话上限 — 最多截 20 次
|
|
"""
|
|
|
|
import time
|
|
import subprocess
|
|
import os
|
|
from pathlib import Path
|
|
|
|
PEEKABOO_BIN = os.path.expanduser("~/.workbuddy/binaries/node/versions/22.12.0/bin/peekaboo")
|
|
if not os.path.exists(PEEKABOO_BIN):
|
|
PEEKABOO_BIN = "peekaboo" # fallback to PATH
|
|
|
|
# ============ 使用策略常量 ============
|
|
SCREENSHOT_COOLDOWN = 5 # 截图冷却（秒）
|
|
MAX_SCREENSHOTS_PER_SESSION = 20 # 单次对话最大截图数
|
|
CACHE_DIR = Path("/tmp/peekaboo_cache")
|
|
CACHE_DIR.mkdir(exist_ok=True)
|
|
|
|
# ============ 运行时状态 ============
|
|
_last_screenshot_time = 0.0
|
|
_screenshot_count = 0
|
|
_cache = {}
|
|
|
|
|
|
def screenshot(app: str = "frontmost", force: bool = False) -> str:
|
|
"""
|
|
截图（带策略控制）
|
|
|
|
Args:
|
|
app: 目标应用名或 frontmost
|
|
force: 跳过冷却/上限检查
|
|
|
|
Returns:
|
|
截图保存路径，或空字符串（被限制时）
|
|
"""
|
|
global _last_screenshot_time, _screenshot_count
|
|
|
|
now = time.time()
|
|
|
|
# 检查上限
|
|
if not force and _screenshot_count >= MAX_SCREENSHOTS_PER_SESSION:
|
|
print(" ⚠️ 截图已达上限 (%d次)，跳过" % MAX_SCREENSHOTS_PER_SESSION)
|
|
return ""
|
|
|
|
# 检查冷却
|
|
if not force and (now - _last_screenshot_time) < SCREENSHOT_COOLDOWN:
|
|
remaining = SCREENSHOT_COOLDOWN - (now - _last_screenshot_time)
|
|
print(" ⚠️ 截图冷却中，还剩 %.0f 秒" % remaining)
|
|
return ""
|
|
|
|
# 检查缓存（同一应用 30 秒内不重复截）
|
|
cache_key = f"screenshot:{app}"
|
|
if cache_key in _cache:
|
|
cached_time, cached_path = _cache[cache_key]
|
|
if (now - cached_time) < 30:
|
|
print(" ⏭ 使用缓存截图 (%s)" % cached_path)
|
|
return cached_path
|
|
|
|
# 执行截图
|
|
out_path = str(CACHE_DIR / f"screenshot_{int(now)}.png")
|
|
env = {**os.environ, "NODE_OPTIONS": ""}
|
|
for k in ["HTTP_PROXY", "HTTPS_PROXY"]:
|
|
env.pop(k, None)
|
|
|
|
try:
|
|
cmd = [PEEKABOO_BIN, "image", "--app", app, "--path", out_path, "--json", "--log-level", "error"]
|
|
subprocess.run(cmd, capture_output=True, timeout=15, env=env)
|
|
_last_screenshot_time = now
|
|
_screenshot_count += 1
|
|
_cache[cache_key] = (now, out_path)
|
|
print(" 📸 截图已保存 (%s) [第%d次]" % (out_path, _screenshot_count))
|
|
return out_path
|
|
except Exception as e:
|
|
print(" ⚠️ 截图失败: %s" % e)
|
|
return ""
|
|
|
|
|
|
def reset():
|
|
"""重置截图计数器（新对话开始时调用）"""
|
|
global _screenshot_count, _last_screenshot_time, _cache
|
|
_screenshot_count = 0
|
|
_last_screenshot_time = 0.0
|
|
_cache = {}
|
|
print(" 🔄 Peekaboo 策略已重置")
|
|
|
|
|
|
def status() -> dict:
|
|
"""查看当前策略状态"""
|
|
return {
|
|
"screenshots_taken": _screenshot_count,
|
|
"max_screenshots": MAX_SCREENSHOTS_PER_SESSION,
|
|
"cooldown_remaining": max(0, SCREENSHOT_COOLDOWN - (time.time() - _last_screenshot_time)),
|
|
}
|