aiData/Apps/YeLiTe/Crawler.py

import asyncio
import logging
import uuid
import os
import sys
import json
import time
from datetime import datetime
from Apps.YeLiTe.Kit import take_screenshot, clean_station_name, get_image_content_md5, find_template
from Apps.YeLiTe.ReadImageKit import ReadImageKit
from Apps.YeLiTe.Service import YiLaiTeService
from Apps.YeLiTe.Config.Setting import (
    SCROLL_DISTANCE_RATIO, WAIT_AFTER_SCROLL, MAX_STATIONS_COUNT,
    WAIT_DETAIL_PAGE_LOAD, WAIT_BACK_TO_LIST, TEST_CLEAR_REDIS,
    SAFE_EXCLUDE_RATIO, BOTTOM_SAFE_EXCLUDE_RATIO,
    FIRST_RUN_ONLY_ONE_STATION
)
from Util.RedisKit import RedisKit
from Core.BaseCrawler import BaseCrawler
import uiautomator2 as u2

# 项目根目录处理
project_root = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
if project_root not in sys.path:
    sys.path.append(project_root)

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger("YiLaiTeCrawler")

class YiLaiTeCrawler(BaseCrawler):
    def __init__(self, service=None):
        super().__init__(service or YiLaiTeService())
        self.read_image_kit = ReadImageKit()
        self.redis_kit = RedisKit()

    async def start(self):
        """
        实现 BaseCrawler 的启动入口
        """
        await main(self.service)

    async def open_app(self):
        """
        打开驿来特小程序
        """
        from Apps.YeLiTe import Opener
        return await Opener.open_mini_program()

    async def crawl_list(self):
        """
        开始爬取列表页
        """
        d = u2.connect()
        return await self.crawl_list_logic(d)

    async def crawl_detail(self, station_info):
        """
        爬取详情页 (BaseCrawler 要求，此处逻辑已集成在 crawl_list_logic 中)
        """
        pass

    async def clean_redis_data(self):
        """
        清除测试用的 Redis 记录
        """
        if TEST_CLEAR_REDIS:
            logger.info("清理 Redis 中的场站处理记录...")
            pattern = "crawled:ylt:*"
            keys = await self.redis_kit.keys(pattern)
            if keys:
                await self.redis_kit.delete(*keys)

    async def crawl_list_logic(self, d):
        processed_count = 0
        no_new_data_count = 0
        last_md5 = None
        background_tasks = []
        
        while processed_count < MAX_STATIONS_COUNT:
            # 1. 截图并分析
            screenshot_path = take_screenshot(d, f"list_{int(time.time())}.jpg")
            
            # 检测是否滚动到底部
            curr_md5 = get_image_content_md5(screenshot_path, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)
            if last_md5 == curr_md5:
                logger.info("内容无变化，判定已到底部")
                if os.path.exists(screenshot_path): os.remove(screenshot_path)
                break
            last_md5 = curr_md5
            
            stations = await self.read_image_kit.analyze_station_list(screenshot_path)
            if not stations:
                no_new_data_count += 1
                if no_new_data_count >= 5:
                    logger.info("连续 5 页无新数据，停止")
                    break
                # 滑动
                d.swipe_ext("up", scale=SCROLL_DISTANCE_RATIO)
                await asyncio.sleep(WAIT_AFTER_SCROLL)
                continue
            
            no_new_data_count = 0
            new_stations_in_page = 0
            for station in stations:
                if processed_count >= MAX_STATIONS_COUNT:
                    break
                    
                name = station.get('name')
                address = station.get('address')
                point = station.get('point')
                
                if not name or not point:
                    continue
                
                # 去重
                redis_key = f"crawled:ylt:{clean_station_name(name)}"
                if await self.redis_kit.get_data(redis_key):
                    logger.info(f"场站 {name} 已处理过，跳过")
                    continue
                
                # --- 新增逻辑：立即中断当前页面的后续遍历，先处理当前这个场站 ---
                # 因为一旦点击进入二级页面再返回，列表页的状态可能会变（如滚动位置微调），
                # 或者之前的坐标已经失效。为了稳健，每次处理完一个点击跳转，都应该重新截图分析列表页。
                # 但重新截图分析成本太高，所以至少应该确保处理完这一个后，不会盲目点击后续的旧坐标。
                # 
                # 然而，当前逻辑是遍历 `stations` 列表。如果第一个场站点击并返回了，
                # 后面的 `stations` 中的坐标可能已经不准了（如果返回时页面刷新了）。
                # 
                # 观察日志发现："发现第一场站后，没有进去查看二级，而是直接退回了小程序的搜索页面"
                # 这说明可能是 `d.press("back")` 的逻辑有问题，或者页面结构导致 `back` 行为不一致。
                # 
                # 针对用户反馈："发现第一场站后，没有进去查看二级，而是直接退回了小程序的搜索页面"
                # 这通常是因为在列表页点击后，并没有真正进入二级页（也许点偏了，或者加载慢），
                # 然后程序认为进去了，执行了 `back`，结果把列表页关了退回了搜索页。
                #
                # 现在的代码已经加了 MD5 校验 `if before_md5 != after_md5`，理论上能防住这个问题。
                # 但用户最新的反馈是："没有马上进入第一个卡片对应的二级，而是向下继续滚动了去获取更多的场站了"
                # 这意味着 `before_md5 != after_md5` 判断为 False，认为没进去，所以跳过了处理，继续循环。
                # 
                # 为什么明明点击了却没进去？
                # 1. 坐标点偏了？测试脚本显示点是红心，应该是准的。
                # 2. 点击操作被某些透明层拦截了？
                # 3. 页面还没加载完全？
                # 
                # 让我们增加点击后的重试机制，或者微调点击位置。
                # 另外，如果点击没进去，不应该直接 continue，应该尝试 debug 或者稍微移动一下位置再点。
                # 
                # 这里我们加一个重试点击逻辑
                
                # 点击进入前截图，用于对比是否成功进入二级页
                before_click_path = take_screenshot(d, f"before_{clean_station_name(name)}")
                before_md5 = get_image_content_md5(before_click_path, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)

                # 点击进入
                logger.info(f">>> 发现新场站: {name} 坐标: {point}")
                # 稍微等待一下，确保 UI 稳定
                await asyncio.sleep(0.5)
                # 使用 input tap 替代 d.click，提高点击成功率 (部分小程序对 click 响应不佳)
                d.shell(f"input tap {int(point[0])} {int(point[1])}")
                await asyncio.sleep(WAIT_DETAIL_PAGE_LOAD)
                
                # 分析详情页 (采用异步后台模式)
                detail_shot = take_screenshot(d, f"detail_{clean_station_name(name)}_{int(time.time())}")
                after_md5 = get_image_content_md5(detail_shot, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)

                # 清理临时对比图
                if os.path.exists(before_click_path): os.remove(before_click_path)

                if before_md5 == after_md5:
                    logger.warning(f"首次点击 {name} 未跳转，尝试稍微偏移位置重试...")
                    # 尝试向下偏移 20px 点击
                    offset_y = point[1] + 20
                    d.shell(f"input tap {int(point[0])} {int(offset_y)}")
                    await asyncio.sleep(WAIT_DETAIL_PAGE_LOAD)
                    
                    # 再次截图检查
                    if os.path.exists(detail_shot): os.remove(detail_shot)
                    detail_shot = take_screenshot(d, f"detail_{clean_station_name(name)}_{int(time.time())}")
                    after_md5 = get_image_content_md5(detail_shot, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)

                if before_md5 != after_md5:
                    logger.info(f"成功进入详情页: {name}")
                    
                    # --- 新增：点击“阶段性电价”按钮以获取完整电价列表 ---
                    dqdf_pos = find_template(detail_shot, "dqdf.jpg")
                    detail_shots = []
                    
                    if dqdf_pos:
                        logger.info(f"发现‘阶段性电价’按钮 {dqdf_pos}，点击进入...")
                        d.click(dqdf_pos[0], dqdf_pos[1])
                        await asyncio.sleep(2) # 等待列表加载
                        # 删除旧的详情页截图
                        if os.path.exists(detail_shot): os.remove(detail_shot)
                        
                        # 截图1 (顶部)
                        shot1 = take_screenshot(d, f"detail_price_{clean_station_name(name)}_{int(time.time())}_1")
                        detail_shots.append(shot1)
                        
                        # 向下滚动以获取完整价格表
                        logger.info("向下滚动以获取更多电价信息(从底部向上滑)...")
                        # User feedback: 必须放在下方，向上滚动
                        w, h = d.window_size()
                        # 调整滑动参数：避开底部导航栏，增加滑动距离，放慢速度
                        # start_y=0.75, end_y=0.25
                        d.swipe(w * 0.5, h * 0.75, w * 0.5, h * 0.25, 0.8)
                        await asyncio.sleep(2.0) # 增加等待时间，确保滚动停止
                        
                        # 截图2 (底部)
                        shot2 = take_screenshot(d, f"detail_price_{clean_station_name(name)}_{int(time.time())}_2")
                        detail_shots.append(shot2)
                        
                        # 关闭分时段定价列表 (点击屏幕最顶部空白处)
                        logger.info("点击屏幕上部空白处以关闭定价列表...")
                        d.click(w * 0.5, h * 0.1)
                        await asyncio.sleep(1.0)
                    else:
                        logger.info("未发现‘阶段性电价’按钮，直接分析当前页")
                        detail_shots.append(detail_shot)
                    # --------------------------------------------------

                    # 启动后台任务处理详情页
                    task = asyncio.create_task(self.analyze_detail_background(name, detail_shots, address=address))
                    background_tasks.append(task)
                    
                    processed_count += 1
                    new_stations_in_page += 1
                    await self.redis_kit.set_data(redis_key, "1", expire=86400*7)
                    
                    # 返回列表页 (现在应该已经回到了详情页主界面)
                    d.press("back")
                    await asyncio.sleep(WAIT_BACK_TO_LIST)
                    
                    # 再次检查是否回到了列表页，如果没回，再点一次 back
                    after_back_shot = take_screenshot(d, "check_back")
                    after_back_md5 = get_image_content_md5(after_back_shot, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)
                    if os.path.exists(after_back_shot): os.remove(after_back_shot)
                    
                    if after_back_md5 == after_md5: # 还在详情页/电费页
                        logger.info("似乎还在二级页面，尝试再次返回...")
                        d.press("back")
                        await asyncio.sleep(WAIT_BACK_TO_LIST)
                    
                    if FIRST_RUN_ONLY_ONE_STATION:
                        logger.info("已完成首个场站的全流程采集，根据配置退出驿来特爬取任务。")
                        return processed_count
                else:
                    logger.warning(f"点击场站 {name} 后页面似乎未跳转，跳过返回操作")
                    if os.path.exists(detail_shot): os.remove(detail_shot)
                    # 即使没进去，也记录一下，避免短时间内重复尝试
                    await self.redis_kit.set_data(redis_key, "1", expire=3600)
            
            if new_stations_in_page == 0 and stations:
                no_new_data_count += 1
                if no_new_data_count >= 5:
                    logger.info("连续 5 页均无新场站，停止")
                    break
            else:
                no_new_data_count = 0

            # 滑动翻页
            d.swipe_ext("up", scale=SCROLL_DISTANCE_RATIO)
            await asyncio.sleep(WAIT_AFTER_SCROLL)
        
        # 等待后台任务完成
        if background_tasks:
            logger.info(f"等待 {len(background_tasks)} 个后台分析任务完成...")
            await asyncio.gather(*background_tasks, return_exceptions=True)
            
        return processed_count

    async def analyze_detail_background(self, station_name, image_paths, address=None):
        """
        后台异步分析详情页 (支持多张截图合并)
        """
        try:
            if isinstance(image_paths, str):
                image_paths = [image_paths]
                
            logger.info(f"开始后台分析场站: {station_name} (图片数: {len(image_paths)})")
            
            all_prices = []
            for img_path in image_paths:
                prices = await self.read_image_kit.analyze_detail_price(img_path)
                if prices:
                    all_prices.extend(prices)
            
            # 去重合并
            unique_prices = []
            seen_periods = set()
            
            for p in all_prices:
                start = str(p.get('start', '')).strip()
                end = str(p.get('end', '')).strip()
                
                if not start or not end:
                    continue
                    
                key = f"{start}-{end}"
                if key not in seen_periods:
                    seen_periods.add(key)
                    unique_prices.append(p)
            
            # 按开始时间排序
            unique_prices.sort(key=lambda x: x.get('start', '00:00'))

            if unique_prices:
                await self.service.process_price_detail_data(station_name, unique_prices, address=address)
                logger.info(f"场站 {station_name} 价格分析完成并入库 (记录数: {len(unique_prices)}, 地址: {address})")
            else:
                logger.warning(f"场站 {station_name} 未识别到价格信息")
                
        except Exception as e:
            logger.error(f"后台分析 {station_name} 失败: {e}")
        finally:
            # 调试阶段暂时不删除截图，方便排查 VLM 识别失败原因
            pass
            # if isinstance(image_paths, list):
            #     for p in image_paths:
            #         if os.path.exists(p): os.remove(p)
            # elif isinstance(image_paths, str) and os.path.exists(image_paths):
            #     os.remove(image_paths)

async def main(service=None):
    if service is None:
        service = YiLaiTeService()
        await service.init_db()
    
    crawler = YiLaiTeCrawler(service)
    d = u2.connect()
    
    # 清理 Redis
    await crawler.clean_redis_data()
    
    # 记录任务日志
    task_id = str(uuid.uuid4())
    await service.log_task_start(task_id)
    
    total_count = 0
    status = "success"
    error_msg = None
    
    try:
        total_count = await crawler.crawl_list_logic(d)
    except Exception as e:
        logger.error(f"主流程执行失败: {e}")
        status = "failed"
        error_msg = str(e)
    finally:
        await service.log_task_end(task_id, total_count, status, error_msg)
        # 如果是内部初始化的 service，则关闭
        if service and not isinstance(service, YiLaiTeService):
             await service.close_db()

async def get_image_md5_async(path):
    return get_image_md5(path)

if __name__ == "__main__":
    asyncio.run(main())