diff --git a/sites/yunpan1/v1/yunpan1_search.py b/sites/yunpan1/v1/yunpan1_search.py index ddccb87..fbc0b12 100644 --- a/sites/yunpan1/v1/yunpan1_search.py +++ b/sites/yunpan1/v1/yunpan1_search.py @@ -8,8 +8,8 @@ yunpan1 搜索工具 — 搜索云盘资源分享社区并提取夸克链接 py -X utf8 yunpan1_search.py 遮天 说明： - - Discuz! 首次搜索需建索引（可能等 60-120 秒），同一关键词后续秒回 - - Cookie 文件: tmp/yunpan1_cookies.txt（需先通过 Playwright 登录获取） + - 优先搜索，30 秒超时后自动降级到浏览动漫板块最新帖子 + - Cookie 文件: tmp/yunpan1_cookies.txt（格式：key=value 一行一个 或 Netscape 格式均可） - 依赖: Python 标准库（无需额外安装） """ @@ -25,57 +25,91 @@ BASE_URL = 'https://yunpan1.cc' SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__)) COOKIE_FILE = os.path.abspath(os.path.join(SCRIPT_DIR, '..', '..', '..', 'tmp', 'yunpan1_cookies.txt')) OUTPUT_FILE = os.path.abspath(os.path.join(SCRIPT_DIR, '..', '..', '..', 'tmp', 'quark_links.txt')) + SEARCH_URL = BASE_URL + '/search.php?mod=forum&srchtxt={keyword}&searchsubmit=yes' +FORUM_URL = BASE_URL + '/forum.php?mod=forumdisplay&fid=3&orderby=dateline' + +SEARCH_TIMEOUT = 30 # 搜索超时（秒），超时后降级到浏览板块 +FORUM_TIMEOUT = 15 # 板块页面超时 -# 全局 opener（timeout=300 避免分块传输时断连） _opener = urllib.request.build_opener() -_opener.timeout = 300 +_opener.timeout = SEARCH_TIMEOUT -# ── 工具函数 ────────────────────────────────────────────────────── +# ── Cookie 加载（兼容两种格式） ────────────────────────────────── def load_cookie(): + """加载 Cookie，兼容 key=value 一行一个 和 Netscape 格式""" path = COOKIE_FILE if not os.path.exists(path): print(f'❌ Cookie 文件不存在: {path}') - print(f'请通过 Playwright 登录 yunpan1.cc 后，将 Cookie 保存到该文件（一行一个 key=value）') + print(f'请通过 Playwright 登录 yunpan1.cc 后，将 Cookie 保存到该文件') sys.exit(1) + with open(path, 'r', encoding='utf-8') as f: - return f.read().strip().replace('\n', '; ') + raw = f.read() + + # 如果是 Netscape 格式（含 tab、domain、TRUE/FALSE 等字段） + if '\t' in raw and ('TRUE' in raw or 'FALSE' in raw): + parts = [] + for line in raw.strip().splitlines(): + line = line.strip() + if not line or line.startswith('#'): + continue + cols = line.split('\t') + if len(cols) >= 7: + parts.append(f'{cols[5]}={cols[6]}') + if parts: + return '; '.join(parts) + + # 否则按 key=value 一行一个处理 + return raw.strip().replace('\n', '; ').replace('\r', '') -def request(url, cookie): +# ── HTTP 请求 ───────────────────────────────────────────────────── + +def request(url, cookie, timeout=SEARCH_TIMEOUT): req = urllib.request.Request(url, headers={ 'Cookie': cookie, 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36', }) + _opener.timeout = timeout t0 = time.time() - resp = _opener.open(req) - html = resp.read().decode('utf-8', errors='replace') - return resp.status, html, resp.url, time.time() - t0 + try: + resp = _opener.open(req) + html = resp.read().decode('utf-8', errors='replace') + return resp.status, html, resp.url, time.time() - t0, None + except Exception as e: + return None, '', '', time.time() - t0, str(e) # ── 提取函数 ────────────────────────────────────────────────────── def extract_quark_links(html): - """提取完整夸克链接（12 位字母数字 ID），排除末尾拼接 https 的误匹配""" raw = re.findall(r'https?://pan\.quark\.cn/s/[a-zA-Z0-9]{12,}', html) - # 过滤掉后面紧跟着 https 的（如 .../s/xxxhttps） return sorted(set(l for l in raw if not l.endswith('https'))) def extract_truncated_links(html): - """提取被截断的链接（1-11 位 ID，需要点进帖子）""" raw = re.findall(r'https?://pan\.quark\.cn/s/[a-zA-Z0-9]{1,11}', html) return sorted(set(raw)) def extract_threads(html): - """提取帖子列表""" - titles = re.findall(r']+href="forum\.php\?mod=viewthread[^>]+>([^<]+)', html) + """提取帖子标题，兼容 viewthread 和 thread 格式""" + patterns = [ + r']+href="forum\.php\?mod=viewthread[^>]+>([^<]+)', + r']+href="thread\.php\?tid=\d+[^>]*>([^<]+)', + r'class="s xst"[^>]*>([^<]+)', + r']+class="xst"[^>]*>([^<]+)', + ] + all_titles = [] + for p in patterns: + all_titles.extend(re.findall(p, html)) + seen = set() result = [] - for t in titles: + for t in all_titles: t = t.strip() if t and len(t) > 5 and t not in seen: seen.add(t) @@ -85,30 +119,23 @@ def extract_threads(html): # ── 主流程 ──────────────────────────────────────────────────────── -def main(): - if len(sys.argv) < 2: - print('用法: py -X utf8 yunpan1_search.py <关键词>') - print('示例: py -X utf8 yunpan1_search.py 遮天') - sys.exit(1) - - keyword = sys.argv[1] - cookie = load_cookie() - - print(f'🔍 搜索 "{keyword}" ...') - print(f'⏱ 首次搜索需建索引，可能等待 1-2 分钟，请耐心等待...') +def search(keyword, cookie): + """搜索，超时则返回 None""" + url = SEARCH_URL.format(keyword=urllib.parse.quote(keyword)) + print(f'🔍 搜索 "{keyword}"（{SEARCH_TIMEOUT}s 超时）...') sys.stdout.flush() + return request(url, cookie, timeout=SEARCH_TIMEOUT) - status, html, final_url, elapsed = request( - SEARCH_URL.format(keyword=urllib.parse.quote(keyword)), - cookie - ) - links = extract_quark_links(html) - truncated = extract_truncated_links(html) - threads = extract_threads(html) +def browse_forum(cookie): + """浏览动漫板块最新帖子作为降级方案""" + print(f'⏩ 降级到浏览动漫板块最新帖子...') + sys.stdout.flush() + return request(FORUM_URL, cookie, timeout=FORUM_TIMEOUT) - print(f'\n✅ 完成（耗时 {elapsed:.0f}s，状态码 {status}）') - print(f' HTML: {len(html)} 字符 / {len(threads)} 条帖子') + +def print_results(links, truncated, threads, source, elapsed): + print(f'\n✅ 完成（来源: {source}，耗时 {elapsed:.0f}s）') if links: print(f'\n{"=" * 50}') @@ -129,9 +156,44 @@ def main(): for l in truncated[:5]: print(f' {l}') - print(f'\n📌 帖子预览（前 10 条）:') - for t in threads[:10]: - print(f' • {t[:60]}') + if threads: + print(f'\n📌 帖子预览（前 10 条）:') + for t in threads[:10]: + print(f' • {t[:60]}') + + +def main(): + if len(sys.argv) < 2: + print('用法: py -X utf8 yunpan1_search.py <关键词>') + print('示例: py -X utf8 yunpan1_search.py 遮天') + sys.exit(1) + + keyword = sys.argv[1] + cookie = load_cookie() + + # 尝试搜索 + status, html, _, elapsed, err = search(keyword, cookie) + + if err and 'timeout' in err.lower(): + print(f'⏱ 搜索超时（{elapsed:.0f}s），机器配置较低时首次建索引可能卡死') + # 降级到浏览板块 + status, html, _, elapsed, err2 = browse_forum(cookie) + if err2: + print(f'❌ 降级也失败了: {err2}') + sys.exit(1) + source = '板块浏览（搜索超时降级）' + elif err: + print(f'❌ 搜索失败: {err}') + # 尝试降级 + status, html, _, elapsed, _ = browse_forum(cookie) + source = '板块浏览（搜索失败降级）' + else: + source = '搜索' + + links = extract_quark_links(html) + truncated = extract_truncated_links(html) + threads = extract_threads(html) + print_results(links, truncated, threads, source, elapsed) if __name__ == '__main__':