add some scripts.

scripts/iafd/iafd_scrape.py

@@ -0,0 +1,163 @@
+"""
+Script Name: 
+Description: 从 https://www.iafd.com 上获取信息。利用cloudscraper绕过cloudflare
+    detail_fetch.py 从本地已经保存的列表数据,逐个拉取详情,并输出到文件。
+    list_fetch_astro.py 按照星座拉取数据,获得演员的信息列表。数据量适中,各详细字段较全
+    list_fetch_birth.py 按照生日拉取数据,获得演员的信息列表。数据量适中,各详细字段较全
+    list_fetch_ethnic.py 按照人种拉取数据,获得演员的信息列表。数据量大,但详细字段很多无效的
+    list_merge.py 上面三个列表的数据,取交集,得到整体数据。
+    iafd_scrape.py 借助 https://github.com/stashapp/CommunityScrapers 实现的脚本,可以输入演员的 iafd链接,获取兼容 stashapp 格式的数据。（作用不大,因为国籍、照片等字段不匹配）
+
+    html_format.py 负责读取已经保存的html目录, 提取信息,格式化输出。
+    data_merge.py 负责合并数据,它把从 iafd, javhd, thelordofporn 以及搭建 stashapp, 从上面更新到的演员数据(需导出)进行合并；
+    stashdb_merge.py 负责把从stashapp中导出的单个演员的json文件, 批量合并并输出; 通常我们需要把stashapp中导出的批量文件压缩并传输到data/tmp目录,解压后合并
+    从而获取到一份完整的数据列表。
+
+Author: [Your Name]
+Created Date: YYYY-MM-DD
+Last Modified: YYYY-MM-DD
+Version: 1.0
+
+Modification History:
+    - YYYY-MM-DD [Your Name]: 
+    - YYYY-MM-DD [Your Name]: 
+    - YYYY-MM-DD [Your Name]: 
+"""
+
+import json
+import os
+import subprocess
+import time
+import logging
+from typing import List
+
+# 设置日志配置
+logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")
+logger = logging.getLogger(__name__)
+
+# 预定义的 scrapers 目录
+scrapers_dir = "/root/gitlabs/stashapp_CommunityScrapers/scrapers"
+meta_file = "./data/iafd_meta.json"
+cursor_file = "./data/iafd_cursor.txt"
+output_dir = f"{scrapers_dir}/iafd_meta"
+
+# 重试次数和间隔
+MAX_RETRIES = 10
+RETRY_DELAY = 5  # 5秒重试间隔
+
+
+# 创建输出目录
+os.makedirs(output_dir, exist_ok=True)
+
+
+def read_processed_hrefs() -> set:
+    """
+    读取已经处理过的 href
+    """
+    processed_hrefs = set()
+    if os.path.exists(cursor_file):
+        with open(cursor_file, "r", encoding="utf-8") as f:
+            processed_hrefs = {line.strip().split(",")[1] for line in f if "," in line}
+    return processed_hrefs
+
+
+def execute_scraper_command(href: str, idv: str) -> bool:
+    """
+    执行命令抓取数据，成功则返回True，否则返回False。
+    包含重试机制。
+    """
+    command = f"cd {scrapers_dir}; python3 -m IAFD.IAFD performer {href} > {output_dir}/{idv}.json"
+    attempt = 0
+    while attempt < MAX_RETRIES:
+        try:
+            logger.info(f"执行命令: {command}")
+            subprocess.run(command, shell=True, check=True)
+            return True
+        except subprocess.CalledProcessError as e:
+            logger.error(f"执行命令失败: {e}. 重试 {attempt + 1}/{MAX_RETRIES}...")
+            time.sleep(RETRY_DELAY)
+            attempt += 1
+    logger.error(f"命令执行失败，已尝试 {MAX_RETRIES} 次: {command}")
+    return False
+
+
+def validate_json_file(idv: str) -> bool:
+    """
+    校验 JSON 文件是否有效
+    """
+    output_file = f"{output_dir}/{idv}.json"
+    try:
+        with open(output_file, "r", encoding="utf-8") as f:
+            content = f.read().strip()
+            json_data = json.loads(content)  # 尝试解析 JSON
+            if "name" not in json_data:
+                raise ValueError("缺少 'name' 字段")
+            return True
+    except (json.JSONDecodeError, ValueError) as e:
+        logger.error(f"解析失败，删除无效文件: {output_file}. 错误: {e}")
+        os.remove(output_file)
+        return False
+
+
+def process_iafd_meta(data: List[dict], processed_hrefs: set) -> None:
+    """
+    处理 iafd_meta.json 中的数据
+    """
+    for entry in data:
+        person = entry.get("person")
+        href = entry.get("href")
+
+        if not person or not href:
+            logger.warning(f"跳过无效数据: {entry}")
+            continue
+
+        # 解析 href 提取 id
+        try:
+            idv = href.split("id=")[-1]
+        except IndexError:
+            logger.error(f"无法解析 ID: {href}")
+            continue
+
+        output_file = f"{output_dir}/{idv}.json"
+
+        # 跳过已处理的 href
+        if href in processed_hrefs:
+            logger.info(f"已处理，跳过: {person},  {href}")
+            continue
+
+        # 执行数据抓取
+        if not execute_scraper_command(href, idv):
+            continue
+
+        # 校验 JSON 文件
+        if not validate_json_file(idv):
+            continue
+
+        # 记录已处理数据
+        with open(cursor_file, "a", encoding="utf-8") as f:
+            f.write(f"{person},{href}\n")
+
+        logger.info(f"成功处理: {person} - {href}")
+
+
+def main():
+    """
+    主程序执行函数
+    """
+    # 读取已处理的 href
+    processed_hrefs = read_processed_hrefs()
+
+    # 读取 iafd_meta.json 数据
+    try:
+        with open(meta_file, "r", encoding="utf-8") as f:
+            data = json.load(f)
+    except json.JSONDecodeError as e:
+        logger.error(f"读取 iafd_meta.json 错误: {e}")
+        return
+
+    # 处理数据
+    process_iafd_meta(data, processed_hrefs)
+
+
+if __name__ == "__main__":
+    main()