thzxx
10c01a3abd
feat(v2.5.0): Sec-Ch-Ua 头修复 + 结构化提取 + token 预算 + 正文去重 + 连接复用
正确性修复:
- 修复 Sec-Ch-Ua 构造 bug: 原实现产出 ""Not_A Brand";v="99"" 双重引号
畸形头(Chrome/Edge 两路径), 严格校验的 WAF 会忽略; 改为品牌数组拼接
- search 403 快速失败: 实例级 403 不再退避重试(~10.5s 空等), 立即 failover
- AdaptiveThrottle: --throttle-failure-threshold 0 现为真正禁用语义
- number_of_results 缺失时用 len(results) 兜底(JSON/HTML 路径契约对齐)
- 版本对齐: pyproject.toml 与 _config.py 同步 2.5.0
AI 代理体验:
- fetch.py --extract json: 结构化骨架(title/meta/headings/links/images)
- fetch.py --max-chars N: 提取后语义级截断(区别于 --max-size 字节截断)
- search --fetch-total-chars N: --fetch 全局字符预算, 耗尽后 status=skipped
- --dedup-fetched-content: 抓取正文 SimHash 去重, status=duplicate
- --progress 新增 angle_start/ok/fail + fetch_skip/fetch_duplicate 事件
- fetch.py 补齐 --log-format json + --dump-schema
- CSV 媒体列自适应(images/videos 类别自动追加媒体字段列)
- --dry-run 批量模式打印实际查询列表
- search 连接复用: requests 可用时走模块级 Session(连接池)
工程治理:
- 新增 scripts/release_check.py 发布一致性检查(版本/错误码表漂移)
- 新增 tests/test_v250_features.py 46+4 个回归测试(全量 622 通过)
- tests/conftest.py: autouse fixture 强制 stdlib 路径(本机有 requests 时
既有 urllib mock 测试不失效)
2026-08-07 15:19:17 +08:00
..
2026-08-07 15:19:17 +08:00
2026-08-01 21:34:57 +08:00
2026-08-01 21:44:58 +08:00
2026-08-01 19:02:44 +08:00
2026-08-03 17:14:33 +08:00
2026-08-01 17:02:34 +08:00
2026-08-01 21:34:57 +08:00
2026-08-01 19:02:44 +08:00
2026-08-01 18:01:32 +08:00
2026-08-01 19:02:44 +08:00
2026-08-01 21:44:58 +08:00
2026-08-01 17:02:34 +08:00
2026-08-01 17:40:14 +08:00
2026-08-01 17:40:14 +08:00
2026-08-03 17:14:33 +08:00
2026-08-01 17:02:34 +08:00
2026-08-01 17:40:14 +08:00
2026-08-01 17:40:14 +08:00
2026-08-03 12:54:27 +08:00
2026-08-03 12:54:27 +08:00
2026-08-01 19:02:44 +08:00
2026-08-01 20:50:42 +08:00
2026-08-05 20:14:07 +08:00
2026-08-05 20:24:25 +08:00
2026-08-07 15:19:17 +08:00
2026-08-01 17:40:14 +08:00
2026-08-01 21:44:58 +08:00
2026-08-03 12:54:27 +08:00