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）。
120 lines
3.7 KiB
Python
120 lines
3.7 KiB
Python
"""
|
||
路径配置模块 — 统一管理本机数据目录路径
|
||
|
||
通过读取 07_matrix/local.yaml 获取本机数据根目录，
|
||
所有 Python 脚本通过本模块获取路径，不再依赖软链接。
|
||
|
||
本模块为代码层（参与坚果云同步），local.yaml 为数据层（每台机器自生成，不参与同步）。
|
||
|
||
用法:
|
||
from local_paths import config_path, data_path, logs_path, profiles_path, screenshots_path, code_dir
|
||
|
||
accounts = config_path("accounts.yaml") # → agent-local/.../config/accounts.yaml
|
||
db = data_path("matrix.db") # → agent-local/.../data/matrix.db
|
||
logfile = logs_path("task.log") # → agent-local/.../logs/task.log
|
||
profile = profiles_path("douyin_01") # → agent-local/.../profiles/douyin_01
|
||
screenshot = screenshots_path("snap.png") # → agent-local/.../screenshots/snap.png
|
||
blueprint = code_dir() / "blueprints" / "xxx.json" # 代码目录下的文件
|
||
"""
|
||
|
||
from pathlib import Path
|
||
import sys
|
||
|
||
# 代码根目录 (07_matrix/)
|
||
CODE_DIR = Path(__file__).resolve().parent.parent
|
||
|
||
# 本地配置文件路径
|
||
_LOCAL_CONF = CODE_DIR / "local.yaml"
|
||
|
||
# 延迟加载缓存
|
||
_LOCAL_ROOT = None
|
||
|
||
|
||
def _load_config() -> dict:
|
||
"""读取 local.yaml 配置"""
|
||
if not _LOCAL_CONF.exists():
|
||
print(
|
||
f"\n"
|
||
f"❌ local.yaml 不存在，请先运行安装脚本:\n"
|
||
f" bash {CODE_DIR / 'install.sh'}\n",
|
||
file=sys.stderr,
|
||
)
|
||
sys.exit(1)
|
||
|
||
# 用内置方式解析 YAML（只读 matrix.local_data_root，避免依赖 pyyaml）
|
||
with open(_LOCAL_CONF, encoding="utf-8") as f:
|
||
content = f.read()
|
||
|
||
for line in content.splitlines():
|
||
line = line.strip()
|
||
if line.startswith("local_data_root:"):
|
||
value = line.split(":", 1)[1].strip().strip('"').strip("'")
|
||
return {"matrix": {"local_data_root": value}}
|
||
|
||
print(
|
||
f"❌ local.yaml 中缺少 local_data_root 配置\n",
|
||
file=sys.stderr,
|
||
)
|
||
sys.exit(1)
|
||
|
||
|
||
def _get_local_root() -> Path:
|
||
"""获取本机数据根目录（延迟加载 + 缓存）"""
|
||
global _LOCAL_ROOT
|
||
if _LOCAL_ROOT is not None:
|
||
return _LOCAL_ROOT
|
||
|
||
cfg = _load_config()
|
||
root_str = cfg.get("matrix", {}).get("local_data_root", "")
|
||
if not root_str:
|
||
print("❌ local.yaml 中缺少 local_data_root 配置", file=sys.stderr)
|
||
sys.exit(1)
|
||
|
||
_LOCAL_ROOT = Path(root_str).expanduser().resolve()
|
||
_LOCAL_ROOT.mkdir(parents=True, exist_ok=True)
|
||
return _LOCAL_ROOT
|
||
|
||
|
||
def code_dir() -> Path:
|
||
"""返回代码根目录 (07_matrix/)"""
|
||
return CODE_DIR
|
||
|
||
|
||
def _local_subdir(name: str, *parts) -> Path:
|
||
"""获取本机数据目录下的子目录/文件路径，自动创建父目录"""
|
||
root = _get_local_root()
|
||
target = root / name / Path(*parts) if parts else root / name
|
||
|
||
# 如果有子路径（文件），只创建父目录
|
||
if parts:
|
||
target.parent.mkdir(parents=True, exist_ok=True)
|
||
else:
|
||
target.mkdir(parents=True, exist_ok=True)
|
||
|
||
return target
|
||
|
||
|
||
def config_path(*parts) -> Path:
|
||
"""→ agent-local/.../config/[*parts]"""
|
||
return _local_subdir("config", *parts)
|
||
|
||
|
||
def data_path(*parts) -> Path:
|
||
"""→ agent-local/.../data/[*parts]"""
|
||
return _local_subdir("data", *parts)
|
||
|
||
|
||
def logs_path(*parts) -> Path:
|
||
"""→ agent-local/.../logs/[*parts]"""
|
||
return _local_subdir("logs", *parts)
|
||
|
||
|
||
def profiles_path(*parts) -> Path:
|
||
"""→ agent-local/.../profiles/[*parts]"""
|
||
return _local_subdir("profiles", *parts)
|
||
|
||
|
||
def screenshots_path(*parts) -> Path:
|
||
"""→ agent-local/.../screenshots/[*parts]"""
|
||
return _local_subdir("screenshots", *parts)
|