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

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

/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
• url 固定写为 https://www.douyin.com/user/{sec_uid}（sec_uid 为空时回退接口 URL）

启动：

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

常用环境变量：

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

接口示例：

# 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

如果 9002 端口已有旧进程占用，可先执行：

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：

# 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

# 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

# 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