butubb/MediaCrawler
1
0
Fork 0
Code Issues Pull Requests Actions 1 Packages Projects Releases Wiki Activity
Files
2112c1a870fbaffa4491766de0c82a132a3909d1
MediaCrawler/mac-agent-os-main/archive_docs/matrix_docs/PHASE_A_SUMMARY.md
T
butubb 2112c1a870
Deploy VitePress site to Pages / build (push) Canceled after 0s
Details
Deploy VitePress site to Pages / Deploy (push) Canceled after 0s
Details
feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程，直接发 HTTP 
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）。
2026-10-10 17:12:25 +08:00

5.2 KiB
Raw Blame History

阶段A 完成总结 — CDP 直连 + 原子操作 + 账号切换

完成日期: 2026-04-27 | 阶段: A | 状态: ✅ 全部完成

一、阶段A 目标回顾

目标 状态 说明
CDP 直连本机 Chrome ✅ 通过 Patchright connect_over_cdp 连接
原子操作库 V2 ✅ 18 个原子操作，基于 data-e2e 选择器
蓝图执行引擎 ✅ task_engine.py 支持 JSON 蓝图顺序执行
定时调度器 ✅ task_scheduler.py 支持 cron 表达式
账号切换器 ✅ switch_account.py 双方案（Profile/Cookie）
指纹注入 ✅ 视口+时区+语言+WebGL+webdriver+plugins+App拦截
双账号并行 ✅ 端口 9222 + 9223 同时运行

二、核心文件清单

文件 路径 用途
原子操作库 scripts/douyin_ops.py 18 个原子操作（基于 data-e2e）
CDP 连接器 scripts/cdp_connector.py CDP 连接管理
蓝图引擎 scripts/task_engine.py 读取蓝图→顺序执行
定时调度 scripts/task_scheduler.py cron 调度
蓝图入库 scripts/seed_db.py 初始化蓝图到数据库
账号切换器 scripts/switch_account.py Profile切换+指纹注入+Cookie注入
账号配置 config/accounts.yaml 4 个账号 + 全局视口
数据库 data/matrix.db 6 表 + 4 蓝图 + 4 账号
选择器手册 docs/DOUYIN_SELECTORS.md data-e2e 选择器对照
完整方案 docs/DOUYIN_FULL_PLAN.md V3.1 架构+蓝图+反检测+IP方案
IP 切换指南 docs/IP_SWITCH_GUIDE.md 免费方案+付费推荐+技术集成
本总结 docs/PHASE_A_SUMMARY.md 阶段A 完成归档

三、账号配置详情

账号ID 平台 端口 Profile 状态
douyin_01 抖音 9222 account_01 ✅ 已登录（主号）
douyin_02 抖音 9223 douyin_02 ⏹ 待登录（副号）
xhs_01 小红书 9224 xhs_01 ⏹ 待注册
zhihu_01 知乎 9225 zhihu_01 ⏹ 待注册

视口配置（全局默认）

viewport:
  width: 702
  height: 783
  mobile: false    # 桌面端模式

实测来源：ghai 手动调整两个 Chrome 窗口至满意尺寸后，通过 AppleScript 读取确认。

四、蓝图清单

蓝图ID 名称 步骤数 状态
douyin_browse_v2 日常浏览V2 11 ✅ active
douyin_search_browse 搜索浏览 7 ✅ active
douyin_comment_interact 评论互动 8 ✅ active
douyin_browse 日常浏览V1 8 ⛔ deprecated

五、踩坑记录（重要经验）

问题 原因 解决方案
hash() 跨进程不一致 Python hash() 随机种子 改用 sum(ord(c)) 确定性哈希
移动端 UA 覆盖破坏登录 Android UA 导致 Cookie 校验失败 不覆盖 UA，保持浏览器原生 UA
移动端视口破坏登录 mobile: True 改变渲染模式 mobile: False，桌面端模式
视口过窄(480px) 初始参数不当 实测确认 702x783 为最佳
PyYAML 未安装 简易解析器不含 viewport 更新 _parse_yaml_simple() 支持 viewport 块
Profile 目录名错误 配置写 douyin_01 实际是 account_01 修正 accounts.yaml

六、反检测现状

✅ 已实现

  • Patchright 自动处理 navigator.webdriver
  • WebGL Vendor/Renderer 注入（NVIDIA GTX 1660 SUPER）
  • HeadlessChrome 标记移除
  • navigator.plugins/languages 伪装
  • App deeplink 拦截（CDP Fetch）
  • 时区/语言统一中国
  • 真实 Chrome 浏览器（非 Headless）
  • 每账号独立 Profile + 端口
  • 同账号指纹模板稳定映射

⏹ 待实现

  • 鼠标轨迹仿真（贝塞尔曲线）
  • Canvas/AudioContext 指纹噪声
  • 静态住宅 IP 接入
  • 活跃时段控制

七、IP 方案结论

方案 成本 适用场景
家里 WiFi + 手机热点 ¥0 2-3 账号
巨量HTTP 静态住宅 ¥3-6/个/月 养号首选
IPFoxy 静态住宅 ¥5-8/个/月 备选

技术集成：Chrome 启动时 --proxy-server=http://user:pass@proxy:port

八、下一步：阶段B 规划

优先级 任务 说明
P0 douyin_02 登录并导出 Cookie 手动登录一次后 export-cookies
P1 鼠标轨迹仿真 贝塞尔曲线 + 加减速
P1 语料库填充 评论模板/搜索关键词
P2 静态住宅 IP 接入 购买后集成到 launch_chrome
P2 Cookie 方案B 完善 当前骨架可用，需更多测试
P3 Docker + Camoufox 多账号容器化部署

九、关键命令速查

# 切换账号
python scripts/switch_account.py --method profile --target douyin_01 --port 9222

# 双账号并行
# 终端1:
python scripts/switch_account.py --method profile --target douyin_01 --port 9222
# 终端2:
python scripts/switch_account.py --method profile --target douyin_02 --port 9223

# 导出 Cookie
python scripts/switch_account.py --target douyin_01 --export-cookies

# 查看状态
python scripts/switch_account.py --status

# 列出账号
python scripts/switch_account.py --list
Reference in New Issue View Git Blame Copy Permalink