AutoScraperX/spiders/authorspider.py

# spiders/authorspider.py
from datetime import datetime, timedelta
from typing import List, Dict, Optional

from core.utils.helpers import is_near_next_day
from spiders.basespider import BaseSpider
from core.utils.extractors import safe_extract


class AuthorSpider(BaseSpider):
    """作者模式爬虫 """

    def __init__(self, rule_dict: Dict, user_list: List, env: str = "prod"):
        super().__init__(rule_dict, user_list, env)
        # 账号模式特有状态
        self.user_list_from_db = []  # 数据库用户列表
        self.current_user_index = 0  # 当前用户索引
        self.current_cursor = ""  # 当前分页游标（初始为空）

    async def before_run(self):
        """运行前：获取用户列表 """
        await super().before_run()
        self.user_list_from_db = await self.fetch_user_list()
        if not self.user_list_from_db:
            self.logger.warning("用户列表为空，终止账号模式")
        self.logger.info(f"{self.platform}获取用户列表完成，共 {len(self.user_list_from_db)} 个用户")

    async def execute(self):
        """执行核心逻辑 - 使用 make_request 方法"""
        if not await self.is_video_count_sufficient():
            self.logger.info("视频数量已达到上限，跳过执行")
            return

        while await self.is_video_count_sufficient():

            # 检查时间条件
            if await is_near_next_day():
                self.logger.info(f"距离第二天不足3分钟，停止执行")
                return

            user = self.user_list_from_db[self.current_user_index]
            crawler_user_uid = user.get("link")
            self.logger.info(
                f"处理用户 uid={crawler_user_uid}（第{self.current_user_index + 1}个），"
                f"当前cursor: {self.current_cursor or '0'}"
            )

            # 构建请求体
            request_body = self._build_request_body(user)

            # 获取当前用户视频
            raw_data = await self.crawl_user_videos(request_body, crawler_user_uid)

            if not raw_data:
                # 当前用户无数据，切换到下一个用户
                self.current_user_index += 1
                self.current_cursor = ""  # 重置游标
                await self.wait_between_iterations()
                continue


            # 处理数据
            if self.platform == "xiaoniangao":
                self.user_list = [user]  # 特殊逻辑

            pass_video = await self.process_data(raw_data)
            # 根据是否有通过的数据和下一页游标判断是否继续当前用户
            if pass_video == 0 and not self.current_cursor:
                # 没有通过数据或没有更多数据，切换到下一个用户
                self.current_user_index += 1
                self.current_cursor = ""

            self.logger.info(
                f"用户 {crawler_user_uid} 获取到 {pass_video} 个通过视频,继续扫描第{self.current_cursor}页")


            # 检查是否所有用户处理完毕
            if self.current_user_index >= len(self.user_list_from_db):
                self.current_user_index = 0  # 重置索引
                self.current_cursor = ""

            await self.wait_between_iterations()

    def _build_request_body(self, user: Dict) -> Dict:
        """构建请求体"""
        virtual_data = {
            "uid": str(user.get("link")),
            "cursor": self.current_cursor
        }

        return self.request_preparer.prepare(
            request_body_config=self.request_body_template,
            response_data=virtual_data
        )

    async def crawl_user_videos(self, request_body: Dict, user_uid: str) -> Optional[List[Dict]]:
        """请求用户视频接口 - 使用 make_request 方法"""
        # 使用基类的 make_request 方法发送请求
        response = await self.make_request(request_body)

        if not response:
            self.logger.info(f"用户 {user_uid} 请求失败")
            return None

        # 游标处理逻辑
        if safe_extract(response, self.next_cursor):
            self.current_cursor = safe_extract(response, self.next_cursor)

        data_list = safe_extract(response, self.data_path)
        if not data_list:
            self.logger.info(f"用户 {user_uid} 无更多视频数据")
            return None

        return data_list

    async def fetch_user_list(self) -> List[Dict]:
        """获取待爬取的用户列表（从数据库）- 子类实现"""
        return self.user_list  # 默认返回传入的列表

    async def fetch_detail(self, item: Dict) -> Dict:
        """账号模式：补充视频详情（子类自行实现）"""
        return item  # 默认返回原数据