-
Notifications
You must be signed in to change notification settings - Fork 5
/
pool.go
915 lines (790 loc) · 27.8 KB
/
pool.go
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
package rod_helper
import (
"context"
_ "embed"
"fmt"
"github.com/WQGroup/logger"
"github.com/go-resty/resty/v2"
"github.com/go-rod/rod/lib/proto"
"github.com/panjf2000/ants/v2"
"io/ioutil"
"path/filepath"
"regexp"
"strings"
"github.com/pkg/errors"
"github.com/ysmood/gson"
"net/http"
"os"
"strconv"
"sync"
"time"
"github.com/sirupsen/logrus"
"github.com/go-rod/rod"
)
type Pool struct {
log *logrus.Logger
rodOptions *PoolOptions // 参数
nowOrgProxyIndex int // 当前使用的 http 代理的索引
httpProxyLocker sync.Mutex // http 代理的锁
lbHttpUrl string // 负载均衡的 http proxy url
lbPort int // 负载均衡 http 端口
orgProxyInfos []*XrayPoolProxyInfo // XrayPool 中的代理信息
filterProxyInfoIndexList map[string][]int // 过滤后的代理信息
nowFilterProxyInfoIndex map[string]int // 过滤后的代理信息的索引
filterProxyInfoUpdateTime map[string]int64 // 过滤后的代理信息的索引的更新时间
filterProxyLocker sync.Mutex // 过滤代理的锁
nowKeyName string // 当前使用的 keyName,如果是空,那么就是默认使用全部的代理列表,如果指定了,那么就是指定过滤后的列表
}
// NewPool 面向与爬虫的时候使用 Pool
func NewPool(browserOptions *PoolOptions) *Pool {
// 从配置中,判断 XrayPool 是否启动
if browserOptions.XrayPoolUrl() == "" {
browserOptions.Log.Errorf("XrayPoolUrl is empty")
return nil
}
if browserOptions.XrayPoolPort() == "" {
browserOptions.Log.Errorf("XrayPoolPort is empty")
return nil
}
// 尝试从本地的 XrayPoolUrl 获取 代理信息
httpClient := resty.New().SetTransport(&http.Transport{
DisableKeepAlives: true,
MaxIdleConns: 1000,
MaxIdleConnsPerHost: 1000,
})
var proxyResult ProxyResult
_, err := httpClient.R().
SetResult(&proxyResult).
Get(httpPrefix +
browserOptions.XrayPoolUrl() +
":" +
browserOptions.XrayPoolPort() +
"/v1/proxy_list")
if err != nil {
browserOptions.Log.Error(errors.New("Get error:" + err.Error()))
return nil
}
if proxyResult.Status == "stopped" || len(proxyResult.OpenResultList) == 0 {
browserOptions.Log.Error("XrayPool Not Started!")
return nil
}
b := &Pool{
log: browserOptions.Log,
rodOptions: browserOptions,
orgProxyInfos: make([]*XrayPoolProxyInfo, 0),
}
for index, result := range proxyResult.OpenResultList {
// 单个节点的信息
tmpProxyInfos := XrayPoolProxyInfo{
Index: index,
Name: result.Name,
ProtoModel: result.ProtoModel,
HttpUrl: httpPrefix + browserOptions.XrayPoolUrl() + ":" + strconv.Itoa(result.HttpPort),
SocksUrl: socksPrefix + browserOptions.XrayPoolUrl() + ":" + strconv.Itoa(result.SocksPort),
FirTimeAccess: true,
skipAccessTime: 0,
lastAccessTime: 0,
}
b.orgProxyInfos = append(b.orgProxyInfos, &tmpProxyInfos)
}
b.lbPort = proxyResult.LBPort
b.lbHttpUrl = fmt.Sprintf(httpPrefix + browserOptions.XrayPoolUrl() + ":" + strconv.Itoa(b.lbPort))
b.filterProxyInfoIndexList = make(map[string][]int)
b.nowFilterProxyInfoIndex = make(map[string]int)
b.filterProxyInfoUpdateTime = make(map[string]int64)
return b
}
// GetOptions 获取设置的参数
func (b *Pool) GetOptions() *PoolOptions {
return b.rodOptions
}
// LBPort 负载均衡 http 端口
func (b *Pool) LBPort() int {
return b.lbPort
}
// LBHttpUrl 负载均衡的 http proxy url
func (b *Pool) LBHttpUrl() string {
return b.lbHttpUrl
}
func (b *Pool) SetKeyName(keyName string) error {
b.httpProxyLocker.Lock()
defer b.httpProxyLocker.Unlock()
b.nowKeyName = keyName
// 当设置了现在需要获取的索引信息 KeyName 的时候
nowProxyInfoIndexs, ok := b.filterProxyInfoIndexList[b.nowKeyName]
if ok == false {
return ErrKeyNameIsNotExist
}
if len(nowProxyInfoIndexs) < 1 {
return ErrProxyInfosIsEmpty
}
// 设置索引
b.nowFilterProxyInfoIndex[keyName] = b.filterProxyInfoIndexList[b.nowKeyName][0]
b.nowOrgProxyIndex = b.filterProxyInfoIndexList[b.nowKeyName][0]
return nil
}
// Filter 传入一批需要进行测试的 URL,然后过滤掉不可用的代理
func (b *Pool) Filter(fInfo *FilterInfo, threadSize int, loadType TryLoadType) error {
if len(b.orgProxyInfos) < 1 {
return ErrProxyInfosIsEmpty
}
var err error
err = b.loadFilterProxyIndex()
if err != nil {
return err
}
// 但是还要考虑这个 fInfo.KeyName 是否有过滤列表了,且这个列表不为空
_, found := b.filterProxyInfoIndexList[fInfo.KeyName]
if found == true && len(b.filterProxyInfoIndexList[fInfo.KeyName]) > 0 {
// 如果找到了,才有必要判断下面这些
if b.filterProxyInfoUpdateTime[fInfo.KeyName] < time.Now().AddDate(0, 0, -1).Unix() {
// 如果缓存的时间超过了一天,那么就需要重新过滤
} else {
// 如果缓存的时间没有超过一天,那么就不需要重新过滤了
logger.Infoln("Pool.Filter", fInfo.KeyName, "Not Need Filter")
return nil
}
}
// 如果没有找到,那么目标就应该是直接继续过滤
statusCodeInfos := []StatusCodeInfo{
{
Codes: []int{404},
Operator: Match,
WillDo: Skip,
},
{
Codes: []int{499},
Operator: GreatThan,
WillDo: Skip,
},
{
Codes: []int{403},
Operator: Match,
WillDo: Repeat,
},
}
var nowBrowser *BrowserInfo
if loadType == WebPageWithBrowser {
nowBrowser, err = b.NewBrowser()
if err != nil {
return err
}
defer nowBrowser.Close()
}
// 清理
b.filterProxyInfoIndexList[fInfo.KeyName] = make([]int, 0)
logger.Infoln("Pool.Filter", fInfo.KeyName, "Start...")
var wg sync.WaitGroup
p, err := ants.NewPoolWithFunc(threadSize, func(inData interface{}) {
deliveryInfo := inData.(DeliveryInfo)
defer func() {
deliveryInfo.Wg.Done()
logger.Infoln("Pool.Filter", deliveryInfo.ProxyInfo.Name, deliveryInfo.ProxyInfo.Index, "End")
}()
logger.Infoln("Pool.Filter", deliveryInfo.ProxyInfo.Name, deliveryInfo.ProxyInfo.Index, "Start...")
urlTestPassCount := 0
// 测试这节点
for _, pageInfo := range deliveryInfo.PageInfos {
if deliveryInfo.LoadType == WebPageWithHttpClient {
// 使用 http client 测试
speedResult, err := b.TryLoadUrl(deliveryInfo.ProxyInfo, pageInfo)
if err != nil {
// 只要一个失败就无需继续了
logger.Errorf("Pool.Filter TryLoadUrl error: %v", err)
break
}
logger.Infoln("Pool.Filter", deliveryInfo.ProxyInfo.Name, deliveryInfo.ProxyInfo.Index, pageInfo.Name, speedResult)
} else {
// 使用浏览器测试
speedResult, nowPage, err := b.TryLoadPage(deliveryInfo.Browser, deliveryInfo.ProxyInfo, pageInfo, statusCodeInfos, true)
if err != nil {
// 只要一个失败就无需继续了
logger.Errorf("Pool.Filter TryLoadPage error: %v", err)
break
}
if nowPage != nil {
_ = nowPage.Close()
}
logger.Infoln("Pool.Filter", deliveryInfo.ProxyInfo.Name, deliveryInfo.ProxyInfo.Index, pageInfo.Name, speedResult)
}
urlTestPassCount += 1
}
if len(deliveryInfo.PageInfos) == urlTestPassCount {
// 需要所有的 PageInfos 都通过测试才能够继续
// 加入缓存列表
b.filterProxyLocker.Lock()
b.filterProxyInfoIndexList[fInfo.KeyName] = append(b.filterProxyInfoIndexList[fInfo.KeyName], deliveryInfo.ProxyInfo.Index)
b.filterProxyLocker.Unlock()
}
})
if err != nil {
return err
}
// 过滤
for _, proxyInfo := range b.orgProxyInfos {
wg.Add(1)
err = p.Invoke(DeliveryInfo{
Browser: nowBrowser,
ProxyInfo: proxyInfo,
PageInfos: fInfo.PageInfos,
Wg: &wg,
LoadType: loadType,
})
if err != nil {
logger.Errorf("Pool.Filter 工作池提交任务失败: %v", err)
return err
}
}
wg.Wait()
// 设置索引
b.nowFilterProxyInfoIndex[fInfo.KeyName] = 0
// 设置这个缓存 KeyName 的更新时间
b.filterProxyInfoUpdateTime[fInfo.KeyName] = time.Now().Unix()
// 缓存
b.saveFilterProxyIndex()
if len(b.filterProxyInfoIndexList[fInfo.KeyName]) < 1 {
return errors.New("Pool.Filter " + fInfo.KeyName + " Filter Result is Empty")
}
logger.Infoln("Pool.Filter", fInfo.KeyName, "End")
return nil
}
func (b *Pool) GetFilterProxyInfos(keyName string) ([]int, error) {
if len(b.orgProxyInfos) < 1 {
return nil, ErrProxyInfosIsEmpty
}
return b.filterProxyInfoIndexList[keyName], nil
}
func (b *Pool) GetProxyInfos() []*XrayPoolProxyInfo {
return b.orgProxyInfos
}
// GetOneProxyInfo 轮询获取一个代理实例,直接给出这个代理的信息,不会考虑访问的频率问题
func (b *Pool) GetOneProxyInfo() (*XrayPoolProxyInfo, error) {
b.httpProxyLocker.Lock()
nowUnixTime := time.Now().Unix()
defer func() {
// 记录最后一次获取这个 Index ProxyInfo 的 UnixTime
b.orgProxyInfos[b.getNowProxyIndex()].lastAccessTime = nowUnixTime
// 下一个节点
b.addNowProxyIndex()
b.httpProxyLocker.Unlock()
}()
if b.orgProxyInfos[b.getNowProxyIndex()].skipAccessTime > nowUnixTime {
// 这个节点需要跳过
return b.orgProxyInfos[b.getNowProxyIndex()], ErrSkipAccessTime
}
return b.orgProxyInfos[b.getNowProxyIndex()], nil
}
// SetProxyNodeSkipByTime 设置这个节点,等待多少秒之后才可以被再次使用,仅仅针对 GetOneProxyInfo、GetProxyInfoSync 有效
func (b *Pool) SetProxyNodeSkipByTime(index int, targetSkipTime int64) error {
b.httpProxyLocker.Lock()
defer func() {
b.httpProxyLocker.Unlock()
}()
if len(b.orgProxyInfos) < 1 {
return ErrProxyInfosIsEmpty
}
if index >= len(b.orgProxyInfos) {
return ErrIndexIsOutOfRange
}
b.log.Infoln("SetProxyNodeSkipByTime", index, targetSkipTime)
b.orgProxyInfos[index].skipAccessTime = targetSkipTime
return nil
}
// GetProxyInfoSync 根据 TimeConfig 设置,寻找一个可用的节点。可以并发用,但是当前获取的节点,会根据访问时间,可能会有 sleep 阻塞等待
func (b *Pool) GetProxyInfoSync(baseUrl string) (*XrayPoolProxyInfo, error) {
var outProxyInfo *XrayPoolProxyInfo
var err error
for {
// 获取下一个代理的信息
outProxyInfo, err = b.GetOneProxyInfo()
if err != nil {
// 这里的错误要区分一种,就是跳过的节点的情况xuejian
if errors.Is(err, ErrSkipAccessTime) {
// 可以接收的错误,等待循环
b.log.Debugln("Skip Access Time Proxy:", outProxyInfo.Name, outProxyInfo.Index, baseUrl)
<-time.After(time.Microsecond * 100)
continue
}
return nil, errors.Errorf("browser.GetOneProxyInfo error: %s", err.Error())
}
if outProxyInfo.FirTimeAccess == true {
// 第一次访问,不需要等待
outProxyInfo.FirTimeAccess = false
return outProxyInfo, nil
}
timeT := time.Unix(outProxyInfo.GetLastAccessTime(), 0)
dv := time.Now().Unix() - outProxyInfo.GetLastAccessTime()
b.log.Infoln("Now Proxy:", outProxyInfo.Name, outProxyInfo.Index, timeT.Format("2006-01-02 15:04:05"), baseUrl)
if dv > 0 && dv <= int64(b.rodOptions.timeConfig.OneProxyNodeUseInternalMinTime) {
// 如果没有超过,那么就等待一段时间,然后再去获取
// 休眠一下
sleepTime := b.rodOptions.timeConfig.GetOneProxyNodeUseInternalTime(int32(dv))
b.log.Infoln("Will Sleep", sleepTime.Seconds(), "s")
<-time.After(sleepTime)
} else if dv < 0 {
// 理论上就不该到这个分支
b.log.Warningln(outProxyInfo.Name, outProxyInfo.Index, "LastAccessTime is bigger than now time")
}
return outProxyInfo, nil
}
}
// PageStatusCodeCheck 页面状态码检查
func (b *Pool) PageStatusCodeCheck(e *proto.NetworkResponseReceived, statusCodeInfo []StatusCodeInfo, nowProxyInfo *XrayPoolProxyInfo, baseUrl string) (PageCheck, error) {
doWhat := func(index int, codeInfo StatusCodeInfo) (PageCheck, error) {
defer func() {
logger.Warningln("PageStatusCodeCheck", codeInfo.Operator, codeInfo.Codes[index], codeInfo.WillDo, baseUrl)
}()
if codeInfo.NeedPunishment == true {
// 需要进行惩罚
err := b.SetProxyNodeSkipByTime(nowProxyInfo.Index, b.rodOptions.timeConfig.GetProxyNodeSkipAccessTime())
if err != nil {
return codeInfo.WillDo, err
}
}
return codeInfo.WillDo, nil
}
if e != nil && e.Response != nil {
for _, codeInfo := range statusCodeInfo {
switch codeInfo.Operator {
case Match:
// 等于的情况
for index, code := range codeInfo.Codes {
if e.Response.Status == code {
return doWhat(index, codeInfo)
}
}
case GreatThan:
// 大于的情况
for index, code := range codeInfo.Codes {
if e.Response.Status > code {
return doWhat(index, codeInfo)
}
}
case LessThan:
// 小于的情况
for index, code := range codeInfo.Codes {
if e.Response.Status < code {
return doWhat(index, codeInfo)
}
}
default:
// 其他情况跳过
continue
}
}
logger.Infoln("PageStatusCodeCheck", Success, baseUrl)
// 都没踩中,那么就继续下面的逻辑吧
return Success, nil
} else {
// 这个事件收不到,那么就是无法使用 page 获取 HTML 以及查询元素的操作的,会卡住一直等着,所以这里需要设置一下,跳过这个代理
logger.Warningln("Response is nil", Repeat, nowProxyInfo.Name, baseUrl)
return Repeat, nil
}
}
// PageStatusCodeCheckBase 页面状态码检查
func (b *Pool) PageStatusCodeCheckBase(e *proto.NetworkResponseReceived, statusCodeInfo []StatusCodeInfo, baseUrl string) (PageCheck, error) {
doWhat := func(index int, codeInfo StatusCodeInfo) (PageCheck, error) {
defer func() {
logger.Warningln("PageStatusCodeCheck", codeInfo.Operator, codeInfo.Codes[index], codeInfo.WillDo, baseUrl)
}()
return codeInfo.WillDo, nil
}
if e != nil && e.Response != nil {
for _, codeInfo := range statusCodeInfo {
switch codeInfo.Operator {
case Match:
// 等于的情况
for index, code := range codeInfo.Codes {
if e.Response.Status == code {
return doWhat(index, codeInfo)
}
}
case GreatThan:
// 大于的情况
for index, code := range codeInfo.Codes {
if e.Response.Status > code {
return doWhat(index, codeInfo)
}
}
case LessThan:
// 小于的情况
for index, code := range codeInfo.Codes {
if e.Response.Status < code {
return doWhat(index, codeInfo)
}
}
default:
// 其他情况跳过
continue
}
}
logger.Infoln("PageStatusCodeCheck", Success, baseUrl)
// 都没踩中,那么就继续下面的逻辑吧
return Success, nil
} else {
// 这个事件收不到,那么就是无法使用 page 获取 HTML 以及查询元素的操作的,会卡住一直等着,所以这里需要设置一下,跳过这个代理
logger.Warningln("Response is nil", Repeat, baseUrl)
return Repeat, nil
}
}
// HasSuccessWord 是否包含成功的关键词,开启这个设置才有效,需要提前调用 PageStatusCodeCheck 判断,或者判断 proto.NetworkResponseReceived 的值
func (b *Pool) HasSuccessWord(page *rod.Page, nowProxyInfo *XrayPoolProxyInfo) (bool, error) {
pageContent, err := page.HTML()
if err != nil {
return false, err
}
// 检查是否包含成功关键词
contained, _ := ContainedWords(pageContent, b.rodOptions.successWordsConfig.Words)
if contained == false {
// 如果没有包含成功的关键词,那么给予惩罚时间,这样就会暂时跳过这个代理节点
err = b.SetProxyNodeSkipByTime(nowProxyInfo.Index, b.rodOptions.timeConfig.GetProxyNodeSkipAccessTime())
if err != nil {
return false, err
}
return false, nil
}
return true, nil
}
// HasSuccessWordBase 是否包含成功的关键词,开启这个设置才有效,需要提前调用 PageStatusCodeCheck 判断,或者判断 proto.NetworkResponseReceived 的值
func (b *Pool) HasSuccessWordBase(page *rod.Page, words []string) (bool, error) {
pageContent, err := page.HTML()
if err != nil {
return false, err
}
// 检查是否包含成功关键词
contained, _ := ContainedWords(pageContent, words)
if contained == false {
return false, nil
}
return true, nil
}
// HasFailedWord 是否包含失败关键词,开启这个设置才有效,需要提前调用 PageStatusCodeCheck 判断,或者判断 proto.NetworkResponseReceived 的值
func (b *Pool) HasFailedWord(page *rod.Page, nowProxyInfo *XrayPoolProxyInfo) (bool, string, error) {
pageContent, err := page.HTML()
if err != nil {
return false, "", err
}
// 检查是否包含失败关键词
contained, index := ContainedWords(pageContent, b.rodOptions.failWordsConfig.Words)
if contained == true {
// 如果包含了失败的关键词,那么就需要统计出来,到底最近访问这个节点的频率是如何的,提供给人来判断调整
err = b.SetProxyNodeSkipByTime(nowProxyInfo.Index, b.rodOptions.timeConfig.GetProxyNodeSkipAccessTime())
if err != nil {
return false, "", err
}
// 找到了错误关键词
return true, b.rodOptions.failWordsConfig.Words[index], nil
}
return false, "", nil
}
// HasFailedWordBase 是否包含失败关键词,开启这个设置才有效,需要提前调用 PageStatusCodeCheck 判断,或者判断 proto.NetworkResponseReceived 的值
func (b *Pool) HasFailedWordBase(page *rod.Page, words []string) (bool, string, error) {
pageContent, err := page.HTML()
if err != nil {
return false, "", err
}
// 检查是否包含失败关键词
contained, index := ContainedWords(pageContent, words)
if contained == true {
// 找到了错误关键词
return true, words[index], nil
}
return false, "", nil
}
// NewBrowser 每次新建一个 Browser ,不使用代理
func (b *Pool) NewBrowser() (*BrowserInfo, error) {
cachePath := b.rodOptions.CacheRootDirPath()
oneBrowserInfo, err := NewBrowserBase(cachePath,
b.rodOptions.BrowserFPath(), "",
b.rodOptions.LoadAdblock(), b.rodOptions.LoadPicture())
if err != nil {
return nil, errors.New("NewBrowser.NewBrowserBase error:" + err.Error())
}
return oneBrowserInfo, nil
}
// NewBrowserWithRandomProxy 每次新建一个 Browser ,使用 HttpProxy 列表中的一个作为代理
func (b *Pool) NewBrowserWithRandomProxy() (*BrowserInfo, error) {
b.httpProxyLocker.Lock()
defer func() {
b.addNowProxyIndex()
b.httpProxyLocker.Unlock()
}()
cachePath := b.rodOptions.CacheRootDirPath()
oneBrowserInfo, err := NewBrowserBase(cachePath,
b.rodOptions.BrowserFPath(), b.orgProxyInfos[b.getNowProxyIndex()].HttpUrl,
b.rodOptions.LoadAdblock(), b.rodOptions.LoadPicture())
if err != nil {
return nil, errors.New("NewBrowserWithRandomProxy.NewBrowserBase error:" + err.Error())
}
return oneBrowserInfo, nil
}
// TryLoadPage 只关心以现在有的信息去尝试加载一个页面,不考虑其中可能遇到验证码的情况
func (b *Pool) TryLoadPage(browserInfo *BrowserInfo, nowProxyInfo *XrayPoolProxyInfo,
pageInfo PageInfo, statusCodeInfos []StatusCodeInfo, needRedirect bool) (int, *rod.Page, error) {
var err error
var page *rod.Page
var client *resty.Client
var e *proto.NetworkResponseReceived
timeOut := pageInfo.GetPageTimeOut()
if needRedirect == true {
timeOut = pageInfo.GetPageTimeOut() + time.Second*45
}
// --------------------------------- 1. 加载页面 ---------------------------------
// 新建一个 page 使用
logger.Infoln("NowProxy:", nowProxyInfo.Name)
opt := NewHttpClientOptions(timeOut)
opt.SetHttpProxy(nowProxyInfo.HttpUrl)
client, err = NewHttpClient(opt)
if err != nil {
return -1, nil, err
}
start := time.Now()
page, err = NewPage(browserInfo.Browser)
if err != nil {
return -1, nil, err
}
defer func() {
if err != nil && page != nil {
logger.Infoln("TryLoadPage -> Try Close Page")
_ = page.Close()
}
}()
err = page.SetWindow(&proto.BrowserBounds{
Left: gson.Int(0),
Top: gson.Int(50),
Width: gson.Int(900),
Height: gson.Int(900),
WindowState: proto.BrowserWindowStateNormal,
})
router := NewPageHijackRouter(page, true, client.GetClient())
defer func() {
_ = router.Stop()
}()
go router.Run()
// 设置代理
page, e, err = PageNavigate(
page, true, pageInfo.Url,
timeOut,
)
if err != nil {
// 这里可能会出现超时,但是实际上是成功的,所以这里不需要返回错误
if errors.Is(err, context.DeadlineExceeded) == false {
// 不是超时错误,那么就返回错误,跳过
return -1, nil, err
}
}
err = page.Timeout(timeOut).WaitLoad()
if err != nil {
// 这里可能会出现超时,但是实际上是成功的,所以这里不需要返回错误
if errors.Is(err, context.DeadlineExceeded) == false {
// 不是超时错误,那么就返回错误,跳过
return -1, nil, err
}
}
// ------------------判断返回值是否符合期望------------------
logger.Infoln(pageInfo.Name, "PageStatusCodeCheck: ", pageInfo.Url)
var StatusCodeCheck PageCheck
StatusCodeCheck, err = b.PageStatusCodeCheckBase(e, statusCodeInfos, pageInfo.Url)
if err != nil {
return -1, nil, err
}
switch StatusCodeCheck {
case Skip:
// 跳过后续的逻辑,不需要再次访问
logger.Warningln("PageStatusCodeCheck Skip NeedSkipProxyIndexList", nowProxyInfo.Index, nowProxyInfo.Name)
err = errors.New(pageInfo.Name + " PageStatusCodeCheck Skip")
return -1, nil, err
case Repeat:
logger.Warningln("PageStatusCodeCheck Repeat NeedSkipProxyIndexList", nowProxyInfo.Index, nowProxyInfo.Name)
// 重新访问,需要再次请求这个页面
err = errors.New(pageInfo.Name + " PageStatusCodeCheck Repeat")
return -1, nil, err
}
// 激活界面
_, err = page.Activate()
if err != nil {
err = errors.New(pageInfo.Name + " Activate Error: " + err.Error())
return -1, nil, err
}
// ------------------会循环检测是否加载完毕,关键 Ele 出现即可------------------
logger.Infoln(pageInfo.Name, "HasPageLoaded: ", pageInfo.Url)
pageLoaded := HasPageLoaded(page, pageInfo.ExistElementXPaths, pageInfo.PageTimeOut)
logger.Infoln(pageInfo.Name, "HasPageLoaded: ", pageInfo.Url, pageLoaded)
// 要在 StatusCode 检查之后再判断
if pageLoaded == false {
err = ErrPageLoadFailed
return -1, nil, err
}
// ------------------是否包含成功关键词------------------
if pageInfo.HasSuccessWord() == true {
var bok bool
logger.Infoln("HasSuccessWords: ", pageInfo.Url)
bok, err = b.HasSuccessWordBase(page, pageInfo.SuccessWord)
logger.Infoln("HasSuccessWords: ", pageInfo.Url, bok)
if err != nil {
err = errors.New(fmt.Sprintf("hasSuccessWord error: %s", err.Error()))
return -1, nil, err
}
if bok == false {
// 需要再次请求这个页面
err = errors.New(pageInfo.Name + " Not Contained SuccessWord")
return -1, nil, err
}
}
elapsed := time.Since(start)
speedResult := int(float32(elapsed.Nanoseconds()) / 1e6)
return speedResult, page, nil
}
// TryLoadUrl 实现一个 http client 访问 url 的功能
func (b *Pool) TryLoadUrl(nowProxyInfo *XrayPoolProxyInfo, pageInfo PageInfo) (int, error) {
logger.Infoln("NowProxy:", nowProxyInfo.Name)
opt := NewHttpClientOptions(pageInfo.GetPageTimeOut())
opt.SetHttpProxy(nowProxyInfo.HttpUrl)
client, err := NewHttpClient(opt)
if err != nil {
return -1, err
}
start := time.Now()
req := client.R()
if len(pageInfo.Header) > 0 {
req.SetHeaders(pageInfo.Header)
}
res, err := req.Get(pageInfo.Url)
elapsed := time.Since(start)
if err != nil {
return -1, err
}
speedResult := int(float32(elapsed.Nanoseconds()) / 1e6)
pageHtmlString := string(res.Body())
if pageInfo.HasSuccessWord() == true {
logger.Infoln("HasSuccessWords: ", pageInfo.Url)
contained, _ := ContainedWords(pageHtmlString, pageInfo.SuccessWord)
logger.Infoln("HasSuccessWords: ", pageInfo.Url, contained)
if contained == false {
// 需要再次请求这个页面
err = errors.New(pageInfo.Name + " Not Contained SuccessWord")
return -1, err
}
} else {
// 如果不需要判断成功关键词,那么就需要判断状态码
if res.StatusCode() != http.StatusOK {
return -1, errors.New("StatusCode is not 200, StatusCode: " + strconv.Itoa(res.StatusCode()) + ", Url: " + pageInfo.Url)
}
}
return speedResult, nil
}
func (b *Pool) Close() {
time.AfterFunc(time.Second*5, func() {
_ = os.RemoveAll(b.rodOptions.CacheRootDirPath())
})
}
func (b *Pool) getNowProxyIndex() int {
if b.nowOrgProxyIndex >= len(b.orgProxyInfos)-1 {
b.nowOrgProxyIndex = 0
}
return b.nowOrgProxyIndex
}
func (b *Pool) addNowProxyIndex() {
defer func() {
if b.nowKeyName == "" {
// 全部的 index
if b.nowOrgProxyIndex >= len(b.orgProxyInfos)-1 {
b.nowOrgProxyIndex = 0
}
} else {
// 具体一个 KeyName 的 index
// 需要将对应的 KeyName 的 index 清单中的索引对应到全列表的索引
if b.nowOrgProxyIndex >= len(b.orgProxyInfos) {
b.nowOrgProxyIndex = b.filterProxyInfoIndexList[b.nowKeyName][0]
}
}
}()
if b.nowKeyName == "" {
// 全部的 index
b.nowOrgProxyIndex++
} else {
// 具体一个 KeyName 的 index
// 需要将对应的 KeyName 的 index 清单中的索引对应到全列表的索引
b.nowFilterProxyInfoIndex[b.nowKeyName]++
// 避免越界
if b.nowFilterProxyInfoIndex[b.nowKeyName] > len(b.filterProxyInfoIndexList[b.nowKeyName])-1 {
b.nowFilterProxyInfoIndex[b.nowKeyName] = 0
}
//logger.Infoln("addNowProxyIndex", b.nowKeyName)
//logger.Infoln("addNowProxyIndex", len(b.filterProxyInfoIndexList[b.nowKeyName]))
//logger.Infoln("addNowProxyIndex", b.nowFilterProxyInfoIndex[b.nowKeyName])
b.nowOrgProxyIndex = b.filterProxyInfoIndexList[b.nowKeyName][b.nowFilterProxyInfoIndex[b.nowKeyName]]
}
}
// saveFilterProxyIndex 本次当前的缓存索引信息到本地文件
func (b *Pool) saveFilterProxyIndex() {
proxyCacheFolder := GetProxyCacheFolder("")
if IsDir(proxyCacheFolder) == false {
err := os.MkdirAll(proxyCacheFolder, os.ModePerm)
if err != nil {
logger.Panicln("save proxy filter cache info failed: ", err)
}
}
for keyName, _ := range b.filterProxyInfoIndexList {
needSave := NewProxyCache()
needSave.FilterProxyInfoIndexList = b.filterProxyInfoIndexList[keyName]
needSave.NowFilterProxyInfoIndex = b.nowFilterProxyInfoIndex[keyName]
needSave.UpdateTime = b.filterProxyInfoUpdateTime[keyName]
saveFPath := filepath.Join(proxyCacheFolder, fmt.Sprintf(proxyCacheFileName, keyName))
err := ToFile(saveFPath, needSave)
if err != nil {
logger.Panicln("save proxy filter cache info failed: ", err)
}
}
}
// loadFilterProxyIndex 加载本地可能存在的缓存索引清单文件
func (b *Pool) loadFilterProxyIndex() error {
cacheFiles, err := findCacheJsonFile(GetProxyCacheFolder(""))
if err != nil {
return err
}
for _, file := range cacheFiles {
// 解析这个文件名对应的是哪个 KeyName
fileName := filepath.Base(file)
fileName = strings.TrimSuffix(fileName, filepath.Ext(fileName))
fileName = strings.TrimPrefix(fileName, "proxy_cache_")
pc := NewProxyCache()
err = ToStruct(file, pc)
if err != nil {
return err
}
// 缓存
b.filterProxyInfoIndexList[fileName] = pc.FilterProxyInfoIndexList
b.nowFilterProxyInfoIndex[fileName] = pc.NowFilterProxyInfoIndex
b.filterProxyInfoUpdateTime[fileName] = pc.UpdateTime
}
return nil
}
// findCacheJsonFile 搜索当前目录下所有匹配的缓存文件
func findCacheJsonFile(dirRootPath string) ([]string, error) {
// 创建一个正则表达式来匹配文件名
re := regexp.MustCompile(`^proxy_cache_.*\.json$`)
// 遍历文件夹
fileList, err := ioutil.ReadDir(dirRootPath)
if err != nil {
return nil, err
}
outFiles := make([]string, 0)
// 遍历文件列表
for _, file := range fileList {
if file.IsDir() {
// 如果是文件夹,跳过
continue
}
if re.MatchString(file.Name()) {
// 如果文件名匹配正则表达式,则处理该文件
filePath := filepath.Join(dirRootPath, file.Name())
outFiles = append(outFiles, filePath)
}
}
return outFiles, nil
}
var ErrKeyNameIsNotExist = errors.New("key name is not exist")
const (
proxyCacheFileName = "proxy_cache_%s.json"
)