503 lines
23 KiB
Python
503 lines
23 KiB
Python
# 导入基础模块：JSON处理、正则表达式、系统配置、加密、Base64编解码、URL解析
|
||
import json
|
||
import re
|
||
import sys
|
||
import hashlib
|
||
from base64 import b64decode, b64encode
|
||
from urllib.parse import urlparse
|
||
|
||
# 导入第三方模块：网络请求、AES加密、HTML解析
|
||
import requests
|
||
from Crypto.Cipher import AES
|
||
from Crypto.Util.Padding import unpad
|
||
from pyquery import PyQuery as pq
|
||
# 添加上级目录到系统路径，用于导入基础爬虫类
|
||
sys.path.append('..')
|
||
from base.spider import Spider as BaseSpider
|
||
|
||
# 图片缓存字典：用于缓存解密后的图片，避免重复请求
|
||
img_cache = {}
|
||
|
||
# 自定义爬虫类，继承基础爬虫类BaseSpider
|
||
class Spider(BaseSpider):
|
||
|
||
# 初始化方法：接收代理配置，设置请求头，获取可用站点域名
|
||
def init(self, extend=""):
|
||
try:
|
||
# 尝试解析传入的代理配置（JSON格式）
|
||
self.proxies = json.loads(extend)
|
||
except:
|
||
# 解析失败则使用空代理
|
||
self.proxies = {}
|
||
# 设置请求头：模拟Chrome浏览器，避免被反爬
|
||
self.headers = {
|
||
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36',
|
||
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8',
|
||
'Accept-Language': 'zh-CN,zh;q=0.9',
|
||
'Connection': 'keep-alive',
|
||
'Cache-Control': 'no-cache',
|
||
}
|
||
# 获取可用的站点域名（从备选列表中检测）
|
||
self.host = self.get_working_host()
|
||
# 更新请求头：添加Origin和Referer，模拟正常浏览器请求
|
||
self.headers.update({'Origin': self.host, 'Referer': f"{self.host}/"})
|
||
print(f"使用站点: {self.host}")
|
||
|
||
# 获取爬虫名称：用于前端展示
|
||
def getName(self):
|
||
return "🌈 吃瓜网|终极完美版"
|
||
|
||
# 判断URL是否为视频格式：支持m3u8/mp4/ts流媒体格式
|
||
def isVideoFormat(self, url):
|
||
return any(ext in (url or '') for ext in ['.m3u8', '.mp4', '.ts'])
|
||
|
||
# 手动视频检查开关：返回False表示无需手动检查
|
||
def manualVideoCheck(self):
|
||
return False
|
||
|
||
# 销毁方法：清理图片缓存，释放内存
|
||
def destroy(self):
|
||
global img_cache
|
||
img_cache.clear()
|
||
|
||
# 检测可用的站点域名：遍历备选列表，返回第一个可访问的域名
|
||
def get_working_host(self):
|
||
# 备选站点列表（应对域名失效问题）
|
||
dynamic_urls = [
|
||
'https://cgw.xwrfsps.cc/',
|
||
'https://dlx1w76jjz2r7.cloudfront.net/',
|
||
'https://cgw321.com/'
|
||
]
|
||
for url in dynamic_urls:
|
||
try:
|
||
# 发送GET请求检测站点是否可用，超时10秒
|
||
response = requests.get(url, headers=self.headers, proxies=self.proxies, timeout=10)
|
||
if response.status_code == 200:
|
||
return url
|
||
except Exception:
|
||
# 站点不可用则继续检测下一个
|
||
continue
|
||
# 所有站点都不可用时返回第一个备选域名
|
||
return dynamic_urls[0]
|
||
|
||
# 获取首页内容：返回分类列表和首页视频列表
|
||
def homeContent(self, filter):
|
||
try:
|
||
# 发送请求获取首页HTML
|
||
response = requests.get(self.host, headers=self.headers, proxies=self.proxies, timeout=15)
|
||
if response.status_code != 200: return {'class': [], 'list': []}
|
||
# 解析HTML内容
|
||
data = self.getpq(response.text)
|
||
|
||
# 提取分类列表：尝试多种选择器适配不同页面结构
|
||
classes = []
|
||
category_selectors = ['.category-list ul li', '.nav-menu li', '.menu li', 'nav ul li']
|
||
for selector in category_selectors:
|
||
for k in data(selector).items():
|
||
link = k('a')
|
||
href = (link.attr('href') or '').strip()
|
||
name = (link.text() or '').strip()
|
||
# 过滤无效分类（空链接/空名称）
|
||
if not href or href == '#' or not name: continue
|
||
classes.append({'type_name': name, 'type_id': href})
|
||
# 提取到分类后停止遍历选择器
|
||
if classes: break
|
||
|
||
# 未提取到分类时使用默认分类（最新/热门）
|
||
if not classes:
|
||
classes = [{'type_name': '最新', 'type_id': '/latest/'}, {'type_name': '热门', 'type_id': '/hot/'}]
|
||
|
||
# 返回分类列表和首页视频列表
|
||
return {'class': classes, 'list': self.getlist(data('#index article, article'))}
|
||
except Exception as e:
|
||
# 异常时返回空数据
|
||
return {'class': [], 'list': []}
|
||
|
||
# 获取首页视频内容：仅返回视频列表（简化版homeContent）
|
||
def homeVideoContent(self):
|
||
try:
|
||
response = requests.get(self.host, headers=self.headers, proxies=self.proxies, timeout=15)
|
||
if response.status_code != 200: return {'list': []}
|
||
data = self.getpq(response.text)
|
||
return {'list': self.getlist(data('#index article, article'))}
|
||
except Exception as e:
|
||
return {'list': []}
|
||
|
||
# 获取分类内容：根据分类ID、页码返回对应视频列表
|
||
def categoryContent(self, tid, pg, filter, extend):
|
||
try:
|
||
# 处理文件夹类型的分类（特殊标识@folder）
|
||
if '@folder' in tid:
|
||
v = self.getfod(tid.replace('@folder', ''))
|
||
return {'list': v, 'page': 1, 'pagecount': 1, 'limit': 90, 'total': len(v)}
|
||
|
||
# 处理页码：确保为整数，默认第1页
|
||
pg = int(pg) if pg else 1
|
||
|
||
# 拼接分类URL：支持完整URL或相对路径
|
||
if tid.startswith('http'):
|
||
base_url = tid.rstrip('/')
|
||
else:
|
||
path = tid if tid.startswith('/') else f"/{tid}"
|
||
base_url = f"{self.host}{path}".rstrip('/')
|
||
|
||
# 拼接分页URL：第1页无页码，后续页码拼接在URL后
|
||
if pg == 1:
|
||
url = f"{base_url}/"
|
||
else:
|
||
url = f"{base_url}/{pg}/"
|
||
|
||
# 发送请求获取分类页面
|
||
response = requests.get(url, headers=self.headers, proxies=self.proxies, timeout=15)
|
||
if response.status_code != 200: return {'list': [], 'page': pg, 'pagecount': 9999, 'limit': 90, 'total': 0}
|
||
|
||
# 解析视频列表
|
||
data = self.getpq(response.text)
|
||
videos = self.getlist(data('#archive article, #index article, article'), tid)
|
||
|
||
# 返回视频列表和分页信息（页码/总页数/每页条数/总条数）
|
||
return {'list': videos, 'page': pg, 'pagecount': 9999, 'limit': 90, 'total': 999999}
|
||
except Exception as e:
|
||
return {'list': [], 'page': pg, 'pagecount': 9999, 'limit': 90, 'total': 0}
|
||
|
||
# 获取视频详情：根据视频ID解析播放源和视频信息
|
||
def detailContent(self, ids):
|
||
try:
|
||
# 拼接详情页URL：支持完整URL或相对路径
|
||
url = ids[0] if ids[0].startswith('http') else f"{self.host}{ids[0]}"
|
||
response = requests.get(url, headers=self.headers, proxies=self.proxies, timeout=15)
|
||
data = self.getpq(response.text)
|
||
|
||
# 解析播放源列表：格式为"集名$播放链接"，多集用#分隔
|
||
plist = []
|
||
used_names = set()
|
||
# 优先解析DPlayer播放器（主流视频播放器）
|
||
if data('.dplayer'):
|
||
for c, k in enumerate(data('.dplayer').items(), start=1):
|
||
try:
|
||
# 解析DPlayer的配置参数（JSON格式）
|
||
config_attr = k.attr('data-config')
|
||
if config_attr:
|
||
config = json.loads(config_attr)
|
||
video_url = config.get('video', {}).get('url', '')
|
||
|
||
if video_url:
|
||
# 提取集名：从上级节点的标题中获取
|
||
ep_name = ''
|
||
parent = k.parents().eq(0)
|
||
for _ in range(4):
|
||
if not parent: break
|
||
heading = parent.find('h2, h3, h4').eq(0).text().strip()
|
||
if heading:
|
||
ep_name = heading
|
||
break
|
||
parent = parent.parents().eq(0)
|
||
|
||
# 处理重复集名：自动添加序号
|
||
base_name = ep_name if ep_name else f"视频{c}"
|
||
name = base_name
|
||
count = 2
|
||
while name in used_names:
|
||
name = f"{base_name} {count}"
|
||
count += 1
|
||
used_names.add(name)
|
||
|
||
# 添加到播放源列表
|
||
plist.append(f"{name}${video_url}")
|
||
except: continue
|
||
|
||
# 备用解析方式：从文章链接中提取播放源（兼容非DPlayer播放器）
|
||
if not plist:
|
||
content_area = data('.post-content, article')
|
||
for i, link in enumerate(content_area('a').items(), start=1):
|
||
link_text = link.text().strip()
|
||
link_href = link.attr('href')
|
||
|
||
# 筛选包含播放关键词的链接
|
||
if link_href and any(kw in link_text for kw in ['点击观看', '观看', '播放', '视频', '第一弹', '第二弹', '第三弹', '第四弹', '第五弹', '第六弹', '第七弹', '第八弹', '第九弹', '第十弹']):
|
||
ep_name = link_text.replace('点击观看：', '').replace('点击观看', '').strip()
|
||
if not ep_name: ep_name = f"视频{i}"
|
||
|
||
# 补全相对链接
|
||
if not link_href.startswith('http'):
|
||
link_href = f"{self.host}{link_href}" if link_href.startswith('/') else f"{self.host}/{link_href}"
|
||
|
||
plist.append(f"{ep_name}${link_href}")
|
||
|
||
# 拼接播放源字符串：多集用#分隔
|
||
play_url = '#'.join(plist) if plist else f"未找到视频源${url}"
|
||
|
||
# 提取视频标签/描述信息
|
||
vod_content = ''
|
||
try:
|
||
tags = []
|
||
seen_names = set()
|
||
seen_ids = set()
|
||
|
||
# 提取标签链接
|
||
tag_links = data('.tags a, .keywords a, .post-tags a')
|
||
|
||
candidates = []
|
||
for k in tag_links.items():
|
||
title = k.text().strip()
|
||
href = k.attr('href')
|
||
if title and href:
|
||
candidates.append({'name': title, 'id': href})
|
||
|
||
# 按标签名称长度降序排序：优先保留长标签（更精准）
|
||
candidates.sort(key=lambda x: len(x['name']), reverse=True)
|
||
|
||
# 去重并生成标签链接
|
||
for item in candidates:
|
||
name = item['name']
|
||
id_ = item['id']
|
||
|
||
if id_ in seen_ids: continue
|
||
|
||
is_duplicate = False
|
||
for seen in seen_names:
|
||
if name in seen:
|
||
is_duplicate = True
|
||
break
|
||
|
||
if not is_duplicate:
|
||
target = json.dumps({'id': id_, 'name': name})
|
||
tags.append(f'[a=cr:{target}/]{name}[/a]')
|
||
seen_names.add(name)
|
||
seen_ids.add(id_)
|
||
|
||
# 拼接标签字符串，无标签则使用标题
|
||
if tags:
|
||
vod_content = ' '.join(tags)
|
||
else:
|
||
vod_content = data('.post-title').text()
|
||
except Exception:
|
||
vod_content = '获取标签失败'
|
||
|
||
# 兜底：无标签时使用H1标题
|
||
if not vod_content:
|
||
vod_content = data('h1').text() or '吃瓜网'
|
||
|
||
# 返回视频详情：播放源、标签等
|
||
return {'list': [{'vod_play_from': '吃瓜网', 'vod_play_url': play_url, 'vod_content': vod_content}]}
|
||
except:
|
||
# 异常时返回失败信息
|
||
return {'list': [{'vod_play_from': '吃瓜网', 'vod_play_url': '获取失败'}]}
|
||
|
||
# 搜索功能：根据关键词返回搜索结果
|
||
def searchContent(self, key, quick, pg="1"):
|
||
try:
|
||
# 处理页码
|
||
pg = int(pg) if pg else 1
|
||
|
||
# 拼接搜索URL
|
||
if pg == 1:
|
||
url = f"{self.host}/search/{key}/"
|
||
else:
|
||
url = f"{self.host}/search/{key}/{pg}/"
|
||
|
||
# 发送搜索请求
|
||
response = requests.get(url, headers=self.headers, proxies=self.proxies, timeout=15)
|
||
# 解析搜索结果并返回
|
||
return {'list': self.getlist(self.getpq(response.text)('article')), 'page': pg, 'pagecount': 9999}
|
||
except:
|
||
return {'list': [], 'page': pg, 'pagecount': 9999}
|
||
|
||
# 播放器内容处理：返回视频播放链接和解析方式
|
||
def playerContent(self, flag, id, vipFlags):
|
||
# 判断是否需要解析：视频格式直接播放（parse=0），否则需要解析（parse=1）
|
||
parse = 0 if self.isVideoFormat(id) else 1
|
||
# m3u8格式使用代理，其他格式直接返回链接
|
||
url = self.proxy(id) if '.m3u8' in id else id
|
||
return {'parse': parse, 'url': url, 'header': self.headers}
|
||
|
||
# 本地代理处理：处理图片缓存、图片解密、m3u8/ts流媒体代理
|
||
def localProxy(self, param):
|
||
try:
|
||
type_ = param.get('type')
|
||
url = param.get('url')
|
||
# 缓存类型：返回缓存的图片内容
|
||
if type_ == 'cache':
|
||
key = param.get('key')
|
||
if content := img_cache.get(key):
|
||
return [200, 'image/jpeg', content]
|
||
return [404, 'text/plain', b'Expired']
|
||
# 图片类型：解密并返回图片内容
|
||
elif type_ == 'img':
|
||
real_url = self.d64(url) if not url.startswith('http') else url
|
||
res = requests.get(real_url, headers=self.headers, proxies=self.proxies, timeout=10)
|
||
content = self.aesimg(res.content)
|
||
return [200, 'image/jpeg', content]
|
||
# m3u8类型：处理流媒体播放列表，补全TS文件链接
|
||
elif type_ == 'm3u8':
|
||
return self.m3Proxy(url)
|
||
# 默认处理TS文件代理
|
||
else:
|
||
return self.tsProxy(url)
|
||
except:
|
||
return [404, 'text/plain', b'']
|
||
|
||
# 生成代理链接：为流媒体添加代理（支持加密传输）
|
||
def proxy(self, data, type='m3u8'):
|
||
if data and self.proxies: return f"{self.getProxyUrl()}&url={self.e64(data)}&type={type}"
|
||
return data
|
||
|
||
# m3u8代理处理：解析播放列表，补全TS文件绝对路径并添加代理
|
||
def m3Proxy(self, url):
|
||
url = self.d64(url)
|
||
res = requests.get(url, headers=self.headers, proxies=self.proxies)
|
||
data = res.text
|
||
# 提取播放列表基础URL（用于补全相对路径）
|
||
base = res.url.rsplit('/', 1)[0]
|
||
lines = []
|
||
for line in data.split('\n'):
|
||
# 跳过EXT标记行，仅处理TS文件链接
|
||
if '#EXT' not in line and line.strip():
|
||
if not line.startswith('http'):
|
||
line = f"{base}/{line}"
|
||
# 为TS文件添加代理
|
||
lines.append(self.proxy(line, 'ts'))
|
||
else:
|
||
lines.append(line)
|
||
# 返回处理后的m3u8内容
|
||
return [200, "application/vnd.apple.mpegurl", '\n'.join(lines)]
|
||
|
||
# TS文件代理：解密并返回TS文件内容
|
||
def tsProxy(self, url):
|
||
return [200, 'video/mp2t', requests.get(self.d64(url), headers=self.headers, proxies=self.proxies).content]
|
||
|
||
# Base64编码：用于URL安全传输
|
||
def e64(self, text):
|
||
return b64encode(str(text).encode()).decode()
|
||
|
||
# Base64解码：解析编码后的URL
|
||
def d64(self, text):
|
||
return b64decode(str(text).encode()).decode()
|
||
|
||
# AES解密图片：处理加密的图片内容（支持CBC/ECB两种模式）
|
||
def aesimg(self, data):
|
||
if len(data) < 16: return data
|
||
# 预设解密密钥对（应对不同加密方式）
|
||
keys = [(b'f5d965df75336270', b'97b60394abc2fbe1'), (b'75336270f5d965df', b'abc2fbe197b60394')]
|
||
for k, v in keys:
|
||
try:
|
||
# CBC模式解密
|
||
dec = unpad(AES.new(k, AES.MODE_CBC, v).decrypt(data), 16)
|
||
# 验证解密结果：JPG/PNG图片头标识
|
||
if dec.startswith(b'\xff\xd8') or dec.startswith(b'\x89PNG'): return dec
|
||
except: pass
|
||
try:
|
||
# ECB模式解密（备用）
|
||
dec = unpad(AES.new(k, AES.MODE_ECB).decrypt(data), 16)
|
||
if dec.startswith(b'\xff\xd8'): return dec
|
||
except: pass
|
||
# 解密失败返回原数据
|
||
return data
|
||
|
||
# 解析视频列表：从HTML元素中提取视频ID、标题、封面、备注等信息
|
||
def getlist(self, data, tid=''):
|
||
videos = []
|
||
# 判断是否为文件夹类型分类
|
||
is_folder = '/mrdg' in (tid or '')
|
||
for k in data.items():
|
||
# 获取视频卡片完整HTML（用于解析封面）
|
||
card_html = k.outer_html() if hasattr(k, 'outer_html') else str(k)
|
||
# 提取视频链接
|
||
a = k if k.is_('a') else k('a').eq(0)
|
||
href = a.attr('href')
|
||
# 提取视频标题（支持多种选择器）
|
||
title = k('h2').text() or k('.entry-title').text() or k('.post-title').text()
|
||
if not title and k.is_('a'): title = k.text()
|
||
|
||
# 过滤无效视频项（无链接/无标题）
|
||
if href and title:
|
||
# 提取视频封面图片
|
||
img = self.getimg(k('script').text(), k, card_html)
|
||
videos.append({
|
||
'vod_id': f"{href}{'@folder' if is_folder else ''}", # 视频ID（文件夹类型添加特殊标识）
|
||
'vod_name': title.strip(), # 视频名称
|
||
'vod_pic': img, # 封面图片链接
|
||
'vod_remarks': k('time').text() or '', # 发布时间/备注
|
||
'vod_tag': 'folder' if is_folder else '', # 标签（文件夹标识）
|
||
'style': {"type": "rect", "ratio": 1.33} # 封面样式
|
||
})
|
||
return videos
|
||
|
||
# 解析文件夹类型内容：特殊分类的视频列表解析
|
||
def getfod(self, id):
|
||
url = f"{self.host}{id}"
|
||
data = self.getpq(requests.get(url, headers=self.headers, proxies=self.proxies).text)
|
||
videos = []
|
||
# 按H2标题分组解析视频项
|
||
for i, h2 in enumerate(data('.post-content h2').items()):
|
||
p_txt = data('.post-content p').eq(i * 2) # 文本行（含链接）
|
||
p_img = data('.post-content p').eq(i * 2 + 1)# 图片行（含封面）
|
||
p_html = p_img.outer_html() if hasattr(p_img, 'outer_html') else str(p_img)
|
||
videos.append({
|
||
'vod_id': p_txt('a').attr('href'), # 视频链接
|
||
'vod_name': p_txt.text().strip(), # 视频名称
|
||
'vod_pic': self.getimg('', p_img, p_html), # 封面图片
|
||
'vod_remarks': h2.text().strip() # 备注（H2标题）
|
||
})
|
||
return videos
|
||
|
||
# 提取图片链接：支持多种图片存储方式（脚本/直接链接/CSS背景图）
|
||
def getimg(self, text, elem=None, html_content=None):
|
||
# 从脚本中提取图片链接（loadBannerDirect函数）
|
||
if m := re.search(r"loadBannerDirect\('([^']+)'", text or ''):
|
||
return self._proc_url(m.group(1))
|
||
|
||
\# 处理HTML内容（优先使用传入的，无则从元素提取）
|
||
if html_content is None and elem is not None:
|
||
html_content = elem.outer_html() if hasattr(elem, 'outer_html') else str(elem)
|
||
if not html_content: return ''
|
||
|
||
\# 转义HTML实体，便于正则匹配
|
||
html_content = html_content.replace('"', '"').replace(''', "'").replace('&', '&')
|
||
|
||
\# 匹配base64格式的图片（data:image）
|
||
if 'data:image' in html_content:
|
||
m = re.search(r'(data:image/[a-zA-Z0-9+/=;,]+)', html_content)
|
||
if m: return self._proc_url(m.group(1))
|
||
|
||
\# 匹配普通图片链接（http/https开头的jpg/png等）
|
||
m = re.search(r'(https?://[^"\'\s)]+\.(?:jpg|png|jpeg|webp))', html_content, re.I)
|
||
if m: return self._proc_url(m.group(1))
|
||
|
||
\# 匹配CSS背景图（url()格式）
|
||
if 'url(' in html_content:
|
||
m = re.search(r'url\s*\(\s*[\'"]?([^"\'\)]+)[\'"]?\s*\)', html_content, re.I)
|
||
if m: return self._proc_url(m.group(1))
|
||
|
||
# 无图片时返回空
|
||
return ''
|
||
|
||
# 处理图片URL：解密base64图片，添加代理，缓存图片内容
|
||
def _proc_url(self, url):
|
||
if not url: return ''
|
||
url = url.strip('\'" ')
|
||
# 处理base64格式图片
|
||
if url.startswith('data:'):
|
||
try:
|
||
# 分割data:image头和base64内容
|
||
_, b64_str = url.split(',', 1)
|
||
raw = b64decode(b64_str)
|
||
# 解密加密的图片内容
|
||
if not (raw.startswith(b'\xff\xd8') or raw.startswith(b'\x89PNG') or raw.startswith(b'GIF8')):
|
||
raw = self.aesimg(raw)
|
||
# 生成MD5缓存键，缓存图片内容
|
||
key = hashlib.md5(raw).hexdigest()
|
||
img_cache[key] = raw
|
||
# 返回缓存代理链接
|
||
return f"{self.getProxyUrl()}&type=cache&key={key}"
|
||
except: return ""
|
||
# 补全相对路径的图片链接
|
||
if not url.startswith('http'):
|
||
url = f"{self.host}{url}" if url.startswith('/') else f"{self.host}/{url}"
|
||
# 返回图片代理链接（加密传输）
|
||
return f"{self.getProxyUrl()}&url={self.e64(url)}&type=img"
|
||
|
||
# 封装PyQuery解析：兼容编码问题
|
||
def getpq(self, data):
|
||
try: return pq(data)
|
||
except: return pq(data.encode('utf-8')) |