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）。
32 lines
872 B
Python
32 lines
872 B
Python
"""
|
||
identity.py — AgentOS 联邦身份工具
|
||
|
||
统一 hostname 解析入口。
|
||
所有需要获取本机 hostname 的模块，从此处导入 resolve_hostname()。
|
||
"""
|
||
|
||
import os
|
||
from pathlib import Path
|
||
|
||
|
||
def _agent_local_path() -> Path:
|
||
"""获取本机数据目录路径"""
|
||
env = os.environ.get("AGENT_LOCAL", "")
|
||
if env:
|
||
return Path(env)
|
||
return Path.home() / "workbuddy-agent-os" / "agent-local"
|
||
|
||
|
||
def resolve_hostname() -> str:
|
||
"""优先从 cached_hostname 读取，兜底 os.uname().nodename
|
||
|
||
一级降级：cached_hostname（agent-local/identity/cached_hostname）
|
||
二级降级：os.uname().nodename（系统主机名）
|
||
"""
|
||
cached = _agent_local_path() / "identity" / "cached_hostname"
|
||
if cached.exists():
|
||
raw = cached.read_text().strip()
|
||
if raw:
|
||
return raw
|
||
return os.uname().nodename
|