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

3.4 KiB

Raw Blame History

Blueprint 蓝图设计规范 v1.0.0

最后更新：2026-05-01 设计目标：可组合、可验证、可追踪的脚本化操作流

一、设计原则

每个蓝图由若干 原子操作步骤 组成，每个步骤必须记录：

前置条件 (pre-condition)  →  执行操作  →  后置条件 (post-condition)
     ↑                          ↓
     状态验证锚点           状态验证锚点

二、步骤格式

{
  "step_id": 1,
  "op": "goto_home",
  "args": {},
  
  "pre": {
    "page_mode": ["unknown", "grid", "player", "search"],
    "login_required": false,
    "check": []
  },
  
  "post": {
    "page_mode": "grid",
    "anchors": ["alink-item"],
    "video_found": false,
    "description": "到达首页卡片列表"
  },
  
  "verify": {"mode": "anchor", "anchor": "grid_page", "timeout": 15},
  "on_fail": "retry(2)"
}

三、预定义页面模式

模式	锚点元素	描述
`unknown`	无	未知/空白页
`grid`	`[data-e2e="alink-item"]`	首页卡片列表
`player`	`[data-e2e="video-player-digg"]`	视频播放器（带点赞/收藏按钮）
`search`	`[data-e2e="searchbar-input"]`	搜索页
`login_popup`	`[class*="login"]` 覆盖层	登录弹窗

四、预定义的原子操作

操作	前置条件	后置条件	说明
`goto_home`	任意	`grid`	导航到首页，激活手机模式
`search(keyword)`	`grid`	`search`	输入关键词搜索
`open_video`	`grid` / `search`	`player`	打开第一个找到的视频
`like`	`player`	`player`(已赞)	点赞当前视频
`collect`	`player`	`player`(已收藏)	收藏当前视频
`next_video`	`player`	`player`(新视频)	切换下一条（手机模式：全局流）
`comment(text)`	`player` + 登录	`player`(已评论)	输入评论并发送
`go_back`	`player`	`grid` / `search`	返回上一页
`wait_watch(seconds)`	`player`	`player`	观看一段时间
`scroll_feed`	`grid`	`grid`	首页滚动

五、完整流程示例：douyin_nurture_v1

start: unknown
  │
  ├── goto_home          (pre:unknown  → post:grid)
  │     └── 激活手机模式：设UA→导航→刷新→等渲染
  │
  ├── search(关键词)     (pre:grid     → post:search)
  │
  ├── open_video         (pre:search   → post:player)
  │
  ├── like               (pre:player   → post:player)
  ├── wait_watch(8s)     (pre:player   → post:player)
  │
  ├── next_video         (pre:player   → post:player)   ← 手机模式全局流
  │
  ├── like               (pre:player   → post:player)
  ├── collect            (pre:player   → post:player)
  │
  ├── go_back            (pre:player   → post:search)
  │
  └── open_video         (pre:search   → post:player)
       ├── like
       ├── collect
       └── next_video

六、状态持久化

每次养号运行后，生成 .state.json 记录：

{
  "run_id": "20260501_093000",
  "account": "douyin_01",
  "blueprint": "douyin_nurture_v1",
  "steps": [
    {"step": 1, "op": "goto_home", "pre": "unknown", "post": "grid", "success": true}
  ],
  "login_method": "profile",
  "device_mode": "mobile_tablet",
  "duration_sec": 76
}

3.4 KiB Raw Blame History