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）。
48 lines
1.3 KiB
Python
48 lines
1.3 KiB
Python
"""
|
|
AVE 配置加载器
|
|
优先级: local.yaml > config.yaml > 默认值
|
|
"""
|
|
import os
|
|
from pathlib import Path
|
|
from typing import Any
|
|
|
|
import yaml
|
|
|
|
SYNC_ROOT = Path(__file__).resolve().parents[4] # agent-sync/
|
|
LOCAL_ROOT = SYNC_ROOT.parent / "agent-local" # agent-local/
|
|
|
|
|
|
def load_config() -> dict[str, Any]:
|
|
"""加载配置，local.yaml 覆盖 config.yaml 的对应字段"""
|
|
config: dict[str, Any] = {}
|
|
|
|
# 1. 模板配置
|
|
template_path = SYNC_ROOT / "05_tools" / "09_ave" / "config.yaml"
|
|
if template_path.exists():
|
|
with open(template_path) as f:
|
|
config.update(yaml.safe_load(f) or {})
|
|
|
|
# 2. 本地配置（覆盖）
|
|
local_path = LOCAL_ROOT / "tools" / "ave" / "config" / "local.yaml"
|
|
if local_path.exists():
|
|
with open(local_path) as f:
|
|
local = yaml.safe_load(f) or {}
|
|
_deep_merge(config, local)
|
|
|
|
return config
|
|
|
|
|
|
def _deep_merge(base: dict, override: dict) -> None:
|
|
"""递归合并字典"""
|
|
for k, v in override.items():
|
|
if k in base and isinstance(base[k], dict) and isinstance(v, dict):
|
|
_deep_merge(base[k], v)
|
|
else:
|
|
base[k] = v
|
|
|
|
|
|
def get_api_config(service: str) -> dict:
|
|
"""获取指定服务的 API 配置"""
|
|
cfg = load_config()
|
|
return cfg.get(service, {})
|