collect optimization

This commit is contained in:
mubai
2026-03-30 21:47:26 +08:00
parent 0d258e90bd
commit 8a6bc33cad
23 changed files with 827 additions and 354 deletions

View File

@@ -24,12 +24,11 @@ func FilmSourceInit() {
{Id: util.GenerateSalt(), Name: "HD(LZ)", Uri: `https://cj.lziapi.com/api.php/provide/vod/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(BF)", Uri: `https://bfzyapi.com/api.php/provide/vod/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false, Interval: 2500},
{Id: util.GenerateSalt(), Name: "HD(FF)", Uri: `http://cj.ffzyapi.com/api.php/provide/vod/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(OK)", Uri: `https://okzyapi.com/api.php/provide/vod/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(HM)", Uri: `https://json.heimuer.xyz/api.php/provide/vod/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(OK)", Uri: `https://api.okzyw.net/api.php/provide/vod/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(LY)", Uri: `https://360zy.com/api.php/provide/vod/at/json`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(SN)", Uri: `https://suoniapi.com/api.php/provide/vod/from/snm3u8/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false, Interval: 2000},
{Id: util.GenerateSalt(), Name: "HD(DB)", Uri: `https://caiji.dbzy.tv/api.php/provide/vod/from/dbm3u8/at/josn/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(IK)", Uri: `https://ikunzyapi.com/api.php/provide/vod/at/json`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
{Id: util.GenerateSalt(), Name: "HD(TT)", Uri: `https://caiji.dyttzyapi.com/api.php/provide/vod/at/json/`, ResultModel: system.JsonResult, Grade: system.SlaveCollect, SyncPictures: false, CollectType: system.CollectVideo, State: false},
}
err := system.SaveCollectSourceList(l)
if err != nil {

View File

@@ -3,7 +3,6 @@ package conver
import (
"encoding/xml"
"log"
"regexp"
"server/config"
"server/model/collect"
"server/model/system"
@@ -77,7 +76,6 @@ func ConvertFilmDetail(detail collect.FilmDetail) system.MovieDetail {
1.对常见分割符进行统一化处理
2.如果演员和导演名单过长,则进行截断, 最多只保留3个
*/
detail.VodActor = regexp.MustCompile(`[$&#%]`).ReplaceAllString(detail.VodActor, ",")
md := system.MovieDetail{
Mid: detail.VodID,
@@ -113,7 +111,7 @@ func ConvertFilmDetail(detail collect.FilmDetail) system.MovieDetail {
md.PlayFrom = strings.Split(detail.VodPlayFrom, detail.VodPlayNote)
// v2 只保留m3u8播放源
md.PlayList = GenFilmPlayList(detail.VodPlayURL, detail.VodPlayNote)
md.DownloadList = GenFilmPlayList(detail.VodDownURL, detail.VodPlayNote)
//md.DownloadList = GenFilmPlayList(detail.VodDownURL, detail.VodPlayNote)
return md
}

View File

@@ -13,41 +13,40 @@ import (
func CovertFilmDetailVo(fd system.FilmDetailVo) (system.MovieDetail, error) {
t, err := time.ParseInLocation(time.DateTime, fd.AddTime, time.Local)
md := system.MovieDetail{
Id: fd.Id,
Cid: fd.Cid,
Pid: fd.Pid,
Name: fd.Name,
Picture: fd.Picture,
DownFrom: fd.DownFrom,
MovieDescriptor: system.MovieDescriptor{
SubTitle: fd.SubTitle,
CName: fd.CName,
EnName: fd.EnName,
Initial: fd.Initial,
ClassTag: fd.ClassTag,
Actor: fd.Actor,
Director: fd.Director,
Writer: fd.Writer,
Blurb: fd.Content,
Remarks: fd.Remarks,
ReleaseDate: fd.ReleaseDate,
Area: fd.Area,
Language: fd.Language,
Year: fd.Year,
State: fd.State,
UpdateTime: fd.UpdateTime,
AddTime: t.Unix(),
DbId: fd.DbId,
DbScore: fd.DbScore,
Hits: fd.Hits,
Content: fd.Content,
},
Mid: fd.Id,
Cid: fd.Cid,
Pid: fd.Pid,
Name: fd.Name,
Picture: fd.Picture,
SubTitle: fd.SubTitle,
CName: fd.CName,
EnName: fd.EnName,
Initial: fd.Initial,
ClassTag: fd.ClassTag,
Actor: fd.Actor,
Director: fd.Director,
Writer: fd.Writer,
Blurb: fd.Content,
Remarks: fd.Remarks,
ReleaseDate: fd.ReleaseDate,
Area: fd.Area,
Language: fd.Language,
Year: fd.Year,
State: fd.State,
UpdateTime: fd.UpdateTime,
AddTime: t.Unix(),
DbId: fd.DbId,
DbScore: fd.DbScore,
Hits: fd.Hits,
Content: fd.Content,
PlayFrom: fd.PlayFrom,
DownFrom: fd.DownFrom,
}
// 通过分割符切分播放源信息 PlaySeparator $$$
//md.PlayFrom = strings.Split(fd.VodPlayFrom, fd.VodPlayNote)
// v2 只保留m3u8播放源
md.PlayList = GenFilmPlayList(fd.PlayLink, "$$$")
//md.DownloadList = GenFilmPlayList(fd.DownloadLink, fd.VodPlayNote)
md.DownloadList = GenFilmPlayList(fd.DownloadLink, "$$$")
return md, err
}

View File

@@ -2,14 +2,15 @@ package util
import (
"fmt"
"github.com/gocolly/colly/v2"
"github.com/gocolly/colly/v2/extensions"
"log"
"net/http"
"net/url"
"strconv"
"strings"
"time"
"github.com/gocolly/colly/v2"
"github.com/gocolly/colly/v2/extensions"
)
/*
@@ -29,6 +30,18 @@ type RequestInfo struct {
Err string `json:"err"` // 错误信息
}
// CopyRequestInfo 属性复制, 隔离地址引用造成的并发问题
func CopyRequestInfo(r RequestInfo) RequestInfo {
// 初始化返回值
newInfo := RequestInfo{Uri: r.Uri, Params: url.Values{}}
// 循环拷贝r的每个k,v
for k, v := range r.Params {
newInfo.Params[k] = append([]string(nil), v...)
}
return newInfo
}
// RefererUrl 记录上次请求的url
var RefererUrl string

View File

@@ -3,7 +3,6 @@ package util
import (
"crypto/md5"
"crypto/rand"
"crypto/rsa"
"crypto/x509"
"encoding/hex"
"encoding/pem"
@@ -61,24 +60,24 @@ func PasswordEncrypt(password, salt string) string {
}
// ParsePriKeyBytes 解析私钥
func ParsePriKeyBytes(buf []byte) (*rsa.PrivateKey, error) {
func ParsePriKeyBytes(buf []byte) (any, error) {
p := &pem.Block{}
p, buf = pem.Decode(buf)
if p == nil {
return nil, errors.New("private key parse error")
}
return x509.ParsePKCS1PrivateKey(p.Bytes)
return x509.ParsePKCS8PrivateKey(p.Bytes)
}
// ParsePubKeyBytes 解析公钥
func ParsePubKeyBytes(buf []byte) (*rsa.PublicKey, error) {
func ParsePubKeyBytes(buf []byte) (any, error) {
p, _ := pem.Decode(buf)
if p == nil {
return nil, errors.New("parse publicKey content nil")
}
pubKey, err := x509.ParsePKCS1PublicKey(p.Bytes)
pubKey, err := x509.ParsePKIXPublicKey(p.Bytes)
if err != nil {
return nil, errors.New("x509.ParsePKCS1PublicKey error")
return nil, errors.New("x509.ParsePKIXPublicKey error")
}
return pubKey, nil
}
@@ -130,7 +129,7 @@ func ValidPwd(s string) error {
// TruncateBySep 截断字符串,保留指定数量的结果
func TruncateBySep(s string, limit int) string {
// 如果保留数量小于等于0则返回空值
if limit <= 0 {
if len(s) <= 0 || limit <= 0 {
return ""
}
// 先强制对不同的分割符进行统一替换为 ,
@@ -139,6 +138,9 @@ func TruncateBySep(s string, limit int) string {
// Split 会在分隔符连续出现或出现在首尾时产生空字符串,这通常符合预期
parts := strings.Split(s, ",")
// 片段数量小于或等于限制,直接返回原字符串
if len(parts) <= limit {
return strings.Join(parts, ",")
}
// 返回原字符串是为了保留原始的格式(比如末尾是否有分隔符)
// 即使不截断也重新 Join 一遍(去除多余的空片段等)
return strings.Join(parts[:limit], ",")

View File

@@ -26,8 +26,9 @@ func InitMysql() (err error) {
SingularTable: true, //是否使用 结构体名称作为表名 (关闭自动变复数)
//NameReplacer: strings.NewReplacer("spider_", ""), // 替表名和字段中的 Me 为 空
},
Logger: logger.Default.LogMode(logger.Warn), //设置日志级别为Info
//Logger: logger.Default.LogMode(logger.Info), //设置日志级别为Info
//Logger: logger.Default.LogMode(logger.Warn), //设置日志级别为Info
Logger: logger.Default.LogMode(logger.Info), //设置日志级别为Info
//Logger: logger.Default.LogMode(logger.Error), //设置日志级别为Info
})
return
}

View File

@@ -13,6 +13,7 @@ import (
"server/model/system"
"server/plugin/common/conver"
"server/plugin/common/util"
"strconv"
"time"
)
@@ -46,14 +47,22 @@ func HandleCollect(id string, h int) error {
// 生成 RequestInfo
r := util.RequestInfo{Uri: s.Uri, Params: url.Values{}}
// 如果 h == 0 则直接返回错误信息
if h == 0 {
log.Println(" Collect time cannot be zero ")
return errors.New(" Collect time cannot be zer ")
}
// 如果 h = -1 则进行全量采集
if h > 0 {
// 通过 采集时长 h 的不同来执行不同出处理方式
switch {
case h < 0:
// 采集时长为负数则先执行对应数据表的重置
if s.Grade == system.MasterCollect {
system.FilmZero()
} else {
// 如果所处站点是次级站点, 则删除对应站点在表中的数据
system.ResetSlaveMovieInfoTable()
}
case h > 0:
// 如果采集时长是正常数值, 则设置参数 h
r.Params.Set("h", fmt.Sprint(h))
default:
log.Println("Params Collect time Exception !!!")
return errors.New(" Params Collect time Exception !!! ")
}
// 2. 首先获取分页采集的页数
pageCount, err := spiderCore.GetPageCount(r)
@@ -86,22 +95,169 @@ func HandleCollect(id string, h int) error {
// 如果分页数量较大则开启协程
ConcurrentPageSpider(pageCount, s, h, collectFilm)
}
// 视频数据采集完成后同步相关信息到mysql
// 视频数据采集完成后 对暂存数据进行处理和优化
if s.Grade == system.MasterCollect {
// 执行影片信息更新操作
if h > 0 {
// 执行数据更新操作
system.SyncSearchInfo(1)
} else {
// 清空searchInfo中的数据并重新添加, 否则执行
system.SyncSearchInfo(0)
// 如果采集时长为负, (全量采集), 则在数据采集完成后为search表添加索引
if h < 0 {
// 全量采集时进行数据同步(仅保存)
system.SyncMovieDetail(s.Id, s.Grade)
system.AddSearchIndex()
}
// 采集时长在一定阈值内时执行redis数据同步 (存在则更新, 不存在则新增)
// 开启图片同步
if s.SyncPictures {
system.SyncFilmPicture()
}
// 每次成功执行完都清理redis中的相关API接口数据缓存
ClearCache()
} else if s.Grade == system.SlaveCollect {
// 如果采集时长为负, (全量采集), 则在数据采集完成后为search表添加索引
if h < 0 {
// 全量采集时进行数据同步
system.SyncMovieDetail(s.Id, s.Grade)
}
}
case system.CollectArticle, system.CollectActor, system.CollectRole, system.CollectWebSite:
log.Println("暂未开放此采集功能!!!")
return errors.New("暂未开放此采集功能")
}
log.Println("Spider Task Exercise Success")
return nil
}
func HandleCollectRefine(id string, h int) error {
// 1. 首先通过ID获取对应采集站信息
s := system.FindCollectSourceById(id)
if s == nil {
log.Println("Cannot Find Collect Source Site")
return errors.New(" Cannot Find Collect Source Site ")
} else if !s.State {
log.Println(" The acquisition site was disabled ")
return errors.New(" The acquisition site was disabled ")
}
// 如果是主站点且状态为启用则先获取分类tree信息
if s.Grade == system.MasterCollect && s.State {
// 是否存在分类树信息, 不存在则获取
if !system.ExistsCategoryTree() {
CollectCategory(s)
}
}
// 生成 RequestInfo
r := util.RequestInfo{Uri: s.Uri, Params: url.Values{}}
// 通过 采集时长 h 的不同来执行不同前置出处理方式
switch {
case h < 0:
// 采集时长为负数则先执行对应数据表的重置
if s.Grade == system.MasterCollect {
system.FilmZero()
} else {
// 如果所处站点是次级站点, 则删除对应站点在表中的数据
system.ResetSlaveMovieInfoTable()
}
case h > 0:
// 如果采集时长是正常数值, 则设置参数 h
r.Params.Set("h", fmt.Sprint(h))
default:
log.Println("Params Collect time Exception !!!")
return errors.New(" Params Collect time Exception !!! ")
}
// 通过采集类型分别执行不同的采集方法
switch s.CollectType {
case system.CollectVideo:
// 采集视频资源 根据采集站类型进行不同逻辑
switch s.Grade {
case system.MasterCollect:
// 获取展示的分类切片信息
cl := system.GetRevealCategoryList()
for _, c := range cl {
// 获取分类采集页数
r.Params.Set("t", fmt.Sprint(c.Id))
pageCount, err := spiderCore.GetPageCount(r)
if err != nil {
// 如果第二次获取分页页数依旧获取失败则关闭当前采集任务
pageCount, err = spiderCore.GetPageCount(r)
if err != nil {
return err
}
}
// 如果采集源参数中采集间隔参数大于500ms,则使用单线程采集
if s.Interval > 500 {
// 少量数据不开启协程
for i := 1; i <= pageCount; i++ {
// 设置采集参数pg
r.Params.Set("pg", fmt.Sprint(i))
collectFilmRefine(s, r)
// 执行一次采集后休眠指定时长
time.Sleep(time.Duration(s.Interval) * time.Millisecond)
}
} else if pageCount <= config.MAXGoroutine*5 {
// 少量数据不开启协程
for i := 1; i <= pageCount; i++ {
r.Params.Set("pg", fmt.Sprint(i))
collectFilmRefine(s, r)
}
} else {
// 如果分页数量较大则开启协程
collectFilmMT(pageCount, s, r, collectFilmRefine)
}
}
case system.SlaveCollect:
pageCount, err := spiderCore.GetPageCount(r)
if err != nil {
// 如果第二次获取分页页数依旧获取失败则关闭当前采集任务
pageCount, err = spiderCore.GetPageCount(r)
if err != nil {
return err
}
}
// 如果采集源参数中采集间隔参数大于500ms,则使用单线程采集
if s.Interval > 500 {
// 少量数据不开启协程
for i := 1; i <= pageCount; i++ {
// 设置采集参数pg
r.Params.Set("pg", fmt.Sprint(i))
collectFilmRefine(s, r)
// 执行一次采集后休眠指定时长
time.Sleep(time.Duration(s.Interval) * time.Millisecond)
}
} else if pageCount <= config.MAXGoroutine*5 {
// 少量数据不开启协程
for i := 1; i <= pageCount; i++ {
r.Params.Set("pg", fmt.Sprint(i))
collectFilmRefine(s, r)
}
} else {
// 如果分页数量较大则开启协程
collectFilmMT(pageCount, s, r, collectFilmRefine)
}
}
// 视频数据采集完成后 对暂存数据进行处理和优化
if s.Grade == system.MasterCollect {
// 如果采集时长为负, (全量采集), 则在数据采集完成后为search表添加索引
if h < 0 {
// 全量采集时进行数据同步以及添加索引(仅保存)
system.SyncMovieDetail(s.Id, s.Grade)
system.AddSearchIndex()
system.AddMovieDetailIndex()
}
// 采集时长在一定阈值内时执行redis数据同步 (存在则更新, 不存在则新增)
// 开启图片同步
if s.SyncPictures {
system.SyncFilmPicture()
}
// 每次成功执行完都清理redis中的相关API接口数据缓存
ClearCache()
} else if s.Grade == system.SlaveCollect {
// 如果采集时长为负, (全量采集), 则在数据采集完成后为search表添加索引
if h < 0 {
// 全量采集时进行数据同步
system.SyncMovieDetail(s.Id, s.Grade)
system.AddSlaveMovieInfoIndex()
}
}
case system.CollectArticle, system.CollectActor, system.CollectRole, system.CollectWebSite:
@@ -149,10 +305,23 @@ func collectFilm(s *system.FilmSource, h, pg int) {
// 通过采集站 Grade 类型, 执行不同的存储逻辑
switch s.Grade {
case system.MasterCollect:
// 主站点 保存完整影片详情信息到 redis
if err = system.SaveDetails(list); err != nil {
// 将数据缓存到redis
if err = system.MovieDetailCache(list); err != nil {
log.Println("SaveDetails Error: ", err)
}
//break
// 如果 采集时长 h 小于阈值, 则将主体数据缓存到redis
//if h > 0 && h < config.FilmSaveCacheThreshold {
// // 主站点 执行保存或更新
// if err = system.BatchUpdateDetails(list); err != nil {
// log.Println("SaveDetails Error: ", err)
// }
//} else {
// // 主站点 从零开始只执行保存逻辑
// if err = system.MovieDetailCache(list); err != nil {
// log.Println("SaveDetails Error: ", err)
// }
//}
// 如果主站点开启了图片同步, 则将图片url以及对应的mid存入ZSet集合中
if s.SyncPictures {
if err = system.SaveVirtualPic(conver.ConvertVirtualPicture(list)); err != nil {
@@ -160,10 +329,22 @@ func collectFilm(s *system.FilmSource, h, pg int) {
}
}
case system.SlaveCollect:
// 附属站点 仅保存影片播放信息到redis
if err = system.SaveSitePlayList(s.Id, list); err != nil {
// 将采集数据缓存到redis
if err = system.SlaveDetailCache(s.Id, list); err != nil {
log.Println("SaveDetails Error: ", err)
}
//if h > 0 && h < config.FilmSaveCacheThreshold {
// // 附属站点 仅保存影片播放信息到mysql
// if err = system.UpdateSitePlayList(s.Id, list); err != nil {
// log.Println("SaveDetails Error: ", err)
// }
//} else {
// // 附属站点 仅保存影片播放信息到mysql
// if err = system.SlaveDetailCache(s.Id, list); err != nil {
// log.Println("SaveDetails Error: ", err)
// }
//}
}
}
@@ -196,7 +377,42 @@ func collectFilmById(ids string, s *system.FilmSource) {
}
case system.SlaveCollect:
// 附属站点 仅保存影片播放信息到redis
if err = system.SaveSitePlayList(s.Id, list); err != nil {
if err = system.UpdateSitePlayList(s.Id, list); err != nil {
log.Println("SaveDetails Error: ", err)
}
}
}
// 影片信息采集, 改进版
func collectFilmRefine(s *system.FilmSource, r util.RequestInfo) {
// 执行采集方法 获取影片详情list
//log.Printf("%s?%s", r.Uri, r.Params.Encode())
list, err := spiderCore.GetFilmDetail(r)
if err != nil || len(list) <= 0 {
// 添加采集失败记录
pg, _ := strconv.Atoi(r.Params.Get("pg"))
h, _ := strconv.Atoi(r.Params.Get("h"))
fr := system.FailureRecord{OriginId: s.Id, OriginName: s.Name, Uri: s.Uri, CollectType: system.CollectVideo, PageNumber: pg, Hour: h, Cause: fmt.Sprintln(err), Status: 1}
system.SaveFailureRecord(fr)
log.Println("GetMovieDetail Error: ", err)
return
}
// 通过采集站 Grade 类型, 执行不同的存储逻辑
switch s.Grade {
case system.MasterCollect:
// 将数据缓存到redis中
if err = system.MovieDetailCache(list); err != nil {
log.Println("SaveDetails Error: ", err)
}
// 如果主站点开启了图片同步, 则将图片url以及对应的mid存入ZSet集合中
if s.SyncPictures {
if err = system.SaveVirtualPic(conver.ConvertVirtualPicture(list)); err != nil {
log.Println("SaveVirtualPic Error: ", err)
}
}
case system.SlaveCollect:
// 将采集数据缓存到redis中
if err = system.SlaveDetailCache(s.Id, list); err != nil {
log.Println("SaveDetails Error: ", err)
}
}
@@ -235,6 +451,46 @@ func ConcurrentPageSpider(capacity int, s *system.FilmSource, h int, collectFunc
}
}
// collectFilmMT 并发采集影片信息
func collectFilmMT(capacity int, s *system.FilmSource, r util.RequestInfo, collectFunc func(s *system.FilmSource, r util.RequestInfo)) {
// 初始化 channel, 容量为 capacity
ch := make(chan int, capacity)
// 收集结束标识
waitCh := make(chan int)
// 循环将所有需采集的页码写入 ch
for i := 1; i <= capacity; i++ {
ch <- i
}
close(ch)
// 开启 MAXGoroutine 数量的协程, 如果分页页数小于设定的最大线程数, 则将线程数设置为1
var GoroutineNum = config.MAXGoroutine
if capacity < GoroutineNum*5 {
GoroutineNum = 1
}
// 如果满足开启并发的条件, 则开启GoroutineNum数量的协程进行并发采集
for i := 0; i < GoroutineNum; i++ {
go func() {
defer func() { waitCh <- 0 }()
for {
// 从channel中获取 pageNumber
pg, ok := <-ch
if !ok {
break
}
// 执行对应的采集方法, 并发时不同使用同一个requestInfo
requestInfo := util.CopyRequestInfo(r)
requestInfo.Params.Set("pg", fmt.Sprint(pg))
collectFunc(s, requestInfo)
}
}()
}
// 等待所有协程执行完毕
for i := 0; i < GoroutineNum; i++ {
<-waitCh
}
}
// BatchCollect 批量采集, 采集指定的所有站点最近x小时内更新的数据
func BatchCollect(h int, ids ...string) {
for _, id := range ids {
@@ -242,7 +498,7 @@ func BatchCollect(h int, ids ...string) {
if fs := system.FindCollectSourceById(id); fs != nil && fs.State {
// 采用协程并发执行, 每个站点单独开启一个协程执行
go func() {
err := HandleCollect(fs.Id, h)
err := HandleCollectRefine(fs.Id, h)
if err != nil {
log.Println(err)
}
@@ -261,7 +517,7 @@ func AutoCollect(h int) {
for _, s := range system.GetCollectSourceList() {
// 如果当前站点为启用状态 则执行 HandleCollect 进行数据采集
if s.State {
if err := HandleCollect(s.Id, h); err != nil {
if err := HandleCollectRefine(s.Id, h); err != nil {
log.Println(err)
}
}