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）。
132 lines
4.8 KiB
Python
132 lines
4.8 KiB
Python
"""
|
||
lib.ffmpeg — FFmpeg / FFprobe 路径统一入口
|
||
=============================================
|
||
|
||
本机 FFmpeg 装在 `~/.local/bin`（非 brew、不在默认 PATH），
|
||
所有模块统一从这里取路径，避免 `subprocess.run(["ffmpeg", ...])` 找不到命令。
|
||
|
||
用法：
|
||
from lib.ffmpeg import FFMPEG, FFPROBE
|
||
subprocess.run([FFMPEG, "-y", "-i", src, dst])
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import os
|
||
import shutil
|
||
from pathlib import Path
|
||
|
||
_CANDIDATES = [
|
||
os.path.expanduser("~/.local/bin/ffmpeg"),
|
||
"/usr/local/bin/ffmpeg",
|
||
"/opt/homebrew/bin/ffmpeg",
|
||
]
|
||
_CANDIDATES_PROBE = [
|
||
os.path.expanduser("~/.local/bin/ffprobe-real"),
|
||
"/usr/local/bin/ffprobe",
|
||
"/opt/homebrew/bin/ffprobe",
|
||
]
|
||
|
||
|
||
def _find_real_ffprobe() -> str | None:
|
||
"""查找真正可用的 ffprobe
|
||
|
||
⚠️ 本机 `~/.local/bin/ffprobe` 实为 `ffmpeg` 的**符号链接**（不支持 -show_entries）；
|
||
真正的 ffprobe 在别处（如 Trae/火星代码自带 6.1.1 完整版）。
|
||
"""
|
||
import glob
|
||
pats = [
|
||
os.path.expanduser("~/.marscode/**/modules/ai-agent/ffprobe"),
|
||
os.path.expanduser("~/.trae/**/ffprobe"),
|
||
os.path.expanduser("~/.vscode/**/ffprobe"),
|
||
"/Applications/*.app/Contents/**/ffprobe",
|
||
]
|
||
for pat in pats:
|
||
for p in sorted(glob.glob(pat, recursive=True), reverse=True):
|
||
try:
|
||
if os.path.isfile(p) and os.access(p, os.X_OK):
|
||
# 验证确实支持 -show_entries（真正的 ffprobe）
|
||
import subprocess
|
||
r = subprocess.run([p, "-h"], capture_output=True, text=True, timeout=10)
|
||
if "show_entries" in ((r.stdout or "") + (r.stderr or "")):
|
||
return p
|
||
except Exception:
|
||
continue
|
||
return None
|
||
|
||
|
||
# ═══════════════════════════════════════════════════════════
|
||
# 媒体信息探测（**用 `ffmpeg -i` 解析**）
|
||
#
|
||
# ⚠️ 本机 ffprobe 是精简构建：不支持 `-show_entries` / `-select_streams`
|
||
# （会报 `Unrecognized option`）→ 相对地，`ffmpeg -i` 完全可用。
|
||
# 因此统一改用 ffmpeg 输出解析，避免各处 ffprobe 调用**静默失败**。
|
||
# ═══════════════════════════════════════════════════════════
|
||
|
||
def probe_info(media_path) -> dict:
|
||
"""探测媒体信息 → {duration, bitrate_kbps, size_bytes, has_audio, has_video}"""
|
||
import re
|
||
import subprocess
|
||
|
||
p = Path(media_path)
|
||
info = {"duration": 0.0, "bitrate_kbps": 0,
|
||
"size_bytes": p.stat().st_size if p.exists() else 0,
|
||
"has_audio": False, "has_video": False}
|
||
if not p.exists():
|
||
return info
|
||
try:
|
||
r = subprocess.run([FFMPEG, "-i", str(p)], capture_output=True, text=True, timeout=30)
|
||
txt = (r.stderr or "") + (r.stdout or "")
|
||
except Exception:
|
||
return info
|
||
m = re.search(r"Duration:\s*(\d+):(\d+):([\d.]+)", txt)
|
||
if m:
|
||
info["duration"] = int(m.group(1)) * 3600 + int(m.group(2)) * 60 + float(m.group(3))
|
||
m = re.search(r"bitrate:\s*(\d+)\s*kb/s", txt)
|
||
if m:
|
||
info["bitrate_kbps"] = int(m.group(1))
|
||
elif info["duration"] > 0:
|
||
info["bitrate_kbps"] = int(info["size_bytes"] * 8 / info["duration"] / 1000)
|
||
info["has_audio"] = "Audio:" in txt
|
||
info["has_video"] = "Video:" in txt
|
||
# 视频尺寸（从 "Video: h264 ..., 1080x1920" 解析）
|
||
m = re.search(r"Video:.*?(\d{2,5})x(\d{2,5})", txt)
|
||
if m:
|
||
info["width"], info["height"] = int(m.group(1)), int(m.group(2))
|
||
else:
|
||
info["width"], info["height"] = 0, 0
|
||
return info
|
||
|
||
|
||
def probe_duration(media_path) -> float:
|
||
"""媒体时长（秒）—— 兼容实现（ffmpeg -i 解析）"""
|
||
return probe_info(media_path)["duration"]
|
||
|
||
|
||
def has_audio_stream(media_path) -> bool:
|
||
"""是否含音轨 —— 兼容实现"""
|
||
return probe_info(media_path)["has_audio"]
|
||
|
||
|
||
def _resolve(candidates: list[str], name: str) -> str:
|
||
for c in candidates:
|
||
if Path(c).exists():
|
||
return c
|
||
found = shutil.which(name)
|
||
if found:
|
||
return found
|
||
# 找不到也返回名字（让调用时报清晰的错），但记录警告
|
||
return name
|
||
|
||
|
||
FFMPEG = _resolve(_CANDIDATES, "ffmpeg")
|
||
# ⚠️ 本机 `~/.local/bin/ffprobe` 实为 ffmpeg 的**符号链接**（不支持 -show_entries）
|
||
# → 优先查找**真正的** ffprobe；找不到就退回 FFMPEG（配合 probe_info 使用）
|
||
FFPROBE = _find_real_ffprobe() or FFMPEG
|
||
|
||
__all__ = ["FFMPEG", "FFPROBE", "ffmpeg_available"]
|
||
|
||
|
||
def ffmpeg_available() -> bool:
|
||
"""ffmpeg 是否真的可用"""
|
||
return Path(FFMPEG).exists() or bool(shutil.which("ffmpeg"))
|