# lawyers

`common_sites` 独立采集项目。

## 目录

- `common_sites/`：大律师、找法网、法律快车、律图、华律 5 个采集脚本
- `one_off_sites/`：一次性/临时站点采集脚本（不纳入常用站点批量启动）
- `request/proxy_config.py`：代理配置加载逻辑
- `request/proxy_settings.json`：代理配置文件
- `Db.py`：数据库连接与基础操作
- `config.py`：数据库与请求头配置

## 运行

```bash
cd /www/wwwroot/lawyers
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
./common_sites/start.sh
```

## 地区同步服务（Python）

新增服务脚本：`services/area_sync_service.py`

用途：

- 替代原 `nas.nepiedg.site:9002` 的核心接口
- `GET /api/layer/get_area`：从数据库 `area_new` 读取地区列表并返回给 `js/douyin.js`
- `POST /api/layer/index`：接收脚本回传搜索数据，先保存原始 JSON 到本地，再按参数决定是否入库
- `GET/POST /api/layer/progress`：多设备共享采集断点（自动建表 `layer_progress`）

`/api/layer/index` 当前入库规则（基于 `payload.data.user_list[].user_info`）：

- 主要从 `signature`（简介）里正则提取手机号
- 若简介未命中，再从微信相关标记（`微信/wx/vx/v`）和 `unique_id/versatile_display` 提取手机号
- 必须命中关键词（默认：`律师,律所`）才允许入库，可通过 `DOUYIN_LAWYER_KEYWORDS` 调整
- `url` 固定写为 `https://www.douyin.com/user/{sec_uid}`（`sec_uid` 为空则跳过不入库）

启动：

```bash
cd /www/wwwroot/lawyers
./.venv/bin/python ./services/area_sync_service.py
```

常用环境变量：

```bash
AREA_SERVICE_HOST=0.0.0.0
AREA_SERVICE_PORT=9002
AREA_TARGET_TABLE=area_new
AREA_DOMAIN=maxlaw
DOUYIN_DOMAIN=抖音
DOUYIN_RAW_DIR=/www/wwwroot/lawyers/data/douyin_raw
DOUYIN_SAVE_ONLY=1
DOUYIN_LAWYER_KEYWORDS=律师,律所
LAYER_PROGRESS_TABLE=layer_progress
LAYER_PROGRESS_DEFAULT_KEY=douyin_batch_default
```

接口示例：

```bash
# 健康检查
curl 'http://127.0.0.1:9002/health'

# 读取数据库中的地区（默认直接返回数组，兼容 js/douyin.js）
curl 'http://127.0.0.1:9002/api/layer/get_area?server=1'

# 如果需要带统计信息
curl 'http://127.0.0.1:9002/api/layer/get_area?table=area_new&domain=maxlaw&meta=1'

# 接收 douyin.js 回传结果并入库（默认写 lawyer.domain=抖音）
curl -X POST 'http://127.0.0.1:9002/api/layer/index?server=1&save_only=0' \
  -H 'Content-Type: application/json' \
  -d '{"source":"xhr","url":"https://www.douyin.com/aweme/v1/web/discover/search/","ts":1772811111,"cityIndex":0,"data":{"desc":"联系方式 13812345678"}}'

# 可选：指定写入域名（用于测试）
curl -X POST 'http://127.0.0.1:9002/api/layer/index?save_domain=codex_test_douyin' \
  -H 'Content-Type: application/json' \
  -d '{"source":"xhr","url":"https://www.douyin.com/aweme/v1/web/discover/search/","ts":1772811111,"cityIndex":0,"data":{"desc":"联系方式 13812345678"}}'

# 仅保存原始回传（不入库）
curl -X POST 'http://127.0.0.1:9002/api/layer/index?save_only=1' \
  -H 'Content-Type: application/json' \
  -d '{"source":"xhr","url":"https://www.douyin.com/aweme/v1/web/discover/search/","ts":1772811111,"cityIndex":0,"data":{"desc":"联系方式 13812345678"}}'

# 原始数据落盘目录（按天分文件）
# /www/wwwroot/lawyers/data/douyin_raw/douyin_index_YYYYMMDD.jsonl

# 读取共享断点（多设备）
curl 'http://127.0.0.1:9002/api/layer/progress?server=1&progress_key=douyin_batch_default'

# 更新共享断点
curl -X POST 'http://127.0.0.1:9002/api/layer/progress?server=1' \
  -H 'Content-Type: application/json' \
  -d '{"progress_key":"douyin_batch_default","device_id":"device-a","next_city_index":120,"area_signature":"xxxx","area_total":551,"current_city":"北京","reason":"city_done","status":"running"}'

# 清空共享断点
curl -X POST 'http://127.0.0.1:9002/api/layer/progress?server=1' \
  -H 'Content-Type: application/json' \
  -d '{"action":"clear","progress_key":"douyin_batch_default"}'
```

如果 9002 端口已有旧进程占用，可先执行：

```bash
lsof -iTCP:9002 -sTCP:LISTEN -t
kill <PID>
```

## 启动参数

`start.sh` 默认并行启动 5 个站点采集（大律师使用 `dls_fresh.py`）。

- 日志目录：`/www/wwwroot/lawyers/logs`
- 大律师 JSON 输出：`/www/wwwroot/lawyers/data/dls_records.jsonl`

常用环境变量：

```bash
# 顺序执行（默认 parallel）
RUN_MODE=sequential ./common_sites/start.sh

# 大律师限制采集范围
DLS_CITY_FILTER=beijing DLS_MAX_CITIES=1 DLS_MAX_PAGES=1 ./common_sites/start.sh

# 大律师直连（不走代理）/ 仅导出JSON不写库
DLS_DIRECT=1 DLS_NO_DB=1 ./common_sites/start.sh
```

## 导出 Excel

新增导出脚本：`common_sites/export_lawyers_excel.py`

```bash
# 无参数：默认导出最近7天数据（含手机号/姓名/律所/省份/市区/站点名称）
# 并默认解析 params 扩展信息（邮箱/地址/执业证号/执业年限/擅长领域等）
./.venv/bin/python ./common_sites/export_lawyers_excel.py

# 按 create_time 时间戳范围导出
./.venv/bin/python ./common_sites/export_lawyers_excel.py \
  --start-ts 1772380000 --end-ts 1772429999 \
  --output ./data/lawyers_20260302.xlsx

# 只导出某站点，并带技术字段（url/域名/时间等）
./.venv/bin/python ./common_sites/export_lawyers_excel.py \
  --domain 大律师 --include-extra

# 如果不需要解析 params 扩展信息
./.venv/bin/python ./common_sites/export_lawyers_excel.py --no-parse-params
```

## 一次性站点（众法利）

脚本：`one_off_sites/zhongfali_single.py`

```bash
# 仅采集写 JSON（默认输出到 data/one_off_sites/）
./.venv/bin/python ./one_off_sites/zhongfali_single.py --direct --no-db

# 采集并写入 lawyer 表（domain=众法利单页）
./.venv/bin/python ./one_off_sites/zhongfali_single.py --direct
```