butubb/MediaCrawler

Fork 0

Files

T

butubb 2112c1a870

Deploy VitePress site to Pages / build (push) Canceled after 0s

Details

Deploy VitePress site to Pages / Deploy (push) Canceled after 0s

Details

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

1.9 KiB

Raw Blame History

2026-06-21 工作日志

今日计划

基于昨日录制数据和旧稳定代码，修复两个平台剩余原子操作

08:00-08:20 — 双平台修复+测试

修复内容

抖音 follow: KEYS['follow'] 从 'f' 改为 'g'(录制发现用户用g键) + 键盘g兜底 ✅
抖音 post_comment: 加发送按钮查找+comment-list文本验证(参考旧版interactive_test.py) ✅
抖音 open_video: 加feed加载等待 + 多选择器(discover-video-card/href/video/feed-card) ⚠️
小红书 post_comment: 重写为JS找textarea/input/editable + 找发送按钮 ✅

测试结果

平台	步数	成功	失败	耗时
抖音	16	13	3	4.9min
小红书	16	12	4	10.8min

关键进展

小红书 post_comment 首次成功发送评论 ✅ "👍评论(测试评论) (5.0s)"
抖音 follow 键盘g生效 ✅
小红书 like/collect/search 全部正常 ✅

剩余问题

抖音 open_video: 当前 douyin /jingxuan 页面没有 .discover-video-card-item，需录制查看实际DOM
小红书搜索结果页: search后页面布局不同，click_note/like/collect/follow 均失败
xhs_like 在非笔记页(搜索页)取31s兜底

明日任务

P0: 抖音 open_video 录制→找出正确的选择器 P1: 小红书搜索结果页操作适配 P1: 双平台日常养号蓝图测试

09:00-10:05 — 架构反思 + 新方案设计 + 录制验证

关键突破

发现collect用的键是C(不是无键)，KEYS['follow']是g不是f
拿到完整抖音快捷键表
创建PageInspector(L1/L2/L3) + 四层状态模型
ghai录制18步(首次用状态diff思路)
提出L4视觉状态层(按钮变色等)
完整经验文档: EXPLAIN-atomic-ops-20260621.md

新核心文件

page_inspector.py: 四层状态检测器
PLAN-atomic-ops-v2.md: 完整项目规划
EXPERIENCE-atomic-ops-20260621.md: 经验文档

1.9 KiB Raw Blame History Unescape Escape