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）。
111 lines
3.6 KiB
Python
111 lines
3.6 KiB
Python
"""
|
||
gap_engine.library — 参数库与矩阵配置的读写
|
||
|
||
数据来源（都可直接编辑，改动即时生效）：
|
||
09_ave/config/param_library.yaml 六层参数库（6层/38参数/177值）
|
||
09_ave/config/creative_matrix.yaml 矩阵配置（负面/正向/道具场景/生成参数）
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import sys
|
||
from pathlib import Path
|
||
from typing import Optional
|
||
|
||
import yaml
|
||
|
||
_SCRIPTS = Path(__file__).resolve().parent.parent
|
||
if str(_SCRIPTS) not in sys.path:
|
||
sys.path.insert(0, str(_SCRIPTS))
|
||
|
||
from lib.logger import get_logger # noqa: E402
|
||
from gap_engine.models import ParamLibrary, CreativeConstraints # noqa: E402
|
||
|
||
log = get_logger("gap_engine")
|
||
|
||
_AVE_DIR = _SCRIPTS.parent
|
||
LIB_PATH = _AVE_DIR / "config" / "param_library.yaml"
|
||
MATRIX_PATH = _AVE_DIR / "config" / "creative_matrix.yaml"
|
||
|
||
# 简易缓存（按文件 mtime 失效）
|
||
_cache: dict = {}
|
||
|
||
|
||
def _load_yaml(path: Path) -> dict:
|
||
try:
|
||
return yaml.safe_load(path.read_text(encoding="utf-8")) or {}
|
||
except Exception as e:
|
||
log.warning("读取 %s 失败: %s", path.name, e)
|
||
return {}
|
||
|
||
|
||
def load_library(use_cache: bool = True) -> ParamLibrary:
|
||
"""加载六层参数库（按 mtime 自动失效缓存）"""
|
||
key = "library"
|
||
try:
|
||
mtime = LIB_PATH.stat().st_mtime
|
||
except Exception:
|
||
mtime = 0
|
||
if use_cache and _cache.get(key, {}).get("mtime") == mtime:
|
||
return _cache[key]["obj"]
|
||
d = _load_yaml(LIB_PATH)
|
||
lib = ParamLibrary(**d) if d.get("layers") else ParamLibrary(layers=[])
|
||
_cache[key] = {"mtime": mtime, "obj": lib}
|
||
return lib
|
||
|
||
|
||
def load_matrix(use_cache: bool = True) -> dict:
|
||
"""加载矩阵配置（原始 dict，含 generation / negative / positive / props / scenes / presets）"""
|
||
key = "matrix"
|
||
try:
|
||
mtime = MATRIX_PATH.stat().st_mtime
|
||
except Exception:
|
||
mtime = 0
|
||
if use_cache and _cache.get(key, {}).get("mtime") == mtime:
|
||
return _cache[key]["obj"]
|
||
d = _load_yaml(MATRIX_PATH)
|
||
_cache[key] = {"mtime": mtime, "obj": d}
|
||
return d
|
||
|
||
|
||
def save_matrix(data: dict) -> dict:
|
||
"""保存矩阵配置（前端 ②③④ 标签页的勾选结果）"""
|
||
data = dict(data or {})
|
||
data["updated"] = __import__("datetime").date.today().isoformat()
|
||
MATRIX_PATH.write_text(
|
||
yaml.safe_dump(data, allow_unicode=True, sort_keys=False, width=100),
|
||
encoding="utf-8")
|
||
_cache.pop("matrix", None)
|
||
log.info("矩阵配置已保存")
|
||
return load_matrix(use_cache=False)
|
||
|
||
|
||
def save_library_text(text: str) -> dict:
|
||
"""保存参数库（整份 YAML 文本；供高级编辑用）"""
|
||
parsed = yaml.safe_load(text)
|
||
if not parsed or not parsed.get("layers"):
|
||
raise ValueError("参数库格式错误：缺少 layers")
|
||
LIB_PATH.write_text(text, encoding="utf-8")
|
||
_cache.pop("library", None)
|
||
lib = load_library(use_cache=False)
|
||
n_param = sum(len(L.params) for L in lib.layers)
|
||
n_val = sum(len(p.values) for L in lib.layers for p in L.params)
|
||
return {"layers": len(lib.layers), "params": n_param, "values": n_val}
|
||
|
||
|
||
def constraints_from_matrix(matrix: Optional[dict] = None) -> CreativeConstraints:
|
||
"""矩阵 dict → CreativeConstraints（供过滤/加权使用）"""
|
||
m = matrix or load_matrix()
|
||
neg = m.get("negative") or {}
|
||
return CreativeConstraints(
|
||
negative_hard=neg.get("hard") or [],
|
||
negative_soft=neg.get("soft") or [],
|
||
positive=m.get("positive") or [],
|
||
props=m.get("props") or [],
|
||
scenes=m.get("scenes") or [],
|
||
)
|
||
|
||
|
||
def generation_cfg(matrix: Optional[dict] = None) -> dict:
|
||
m = matrix or load_matrix()
|
||
return m.get("generation") or {}
|