chore: попытка сделать так же как у scrapling

src/antibot/known_providers/cloudflare.py

@@ -84,7 +84,8 @@ class CloudflareDetector(Detector):
 
 	async def detect(self, page: Page, info: ChallengeInfo):
 		log.debug("CloudflareDetector run")
-		await wait_for_page_stability(page, False, True)
+		await wait_for_networkidle(page)
+
 		log.debug("Страница загружена полностью")
 		info.meta = {}
 		widget_selector = "div.cf-turnstile[data-sitekey], div[data-sitekey].cf-turnstile"

src/engine/fingerprint.py

@@ -37,6 +37,14 @@ def load_or_create_fingerprint(user_data_dir: Path, **generator_kwargs) -> Finge
 		return _fingerprint_from_dict(json.loads(fp_file.read_text()))
 
 	generator_kwargs.setdefault("browser", ["chrome"])
+	# strict=True: без него browserforge при отсутствии точного совпадения в датасете
+	# тихо ослабляет даже нижнюю границу screen (min_width/min_height) — на практике
+	# так может прилететь мобильный экран под десктопный viewport (screen.availWidth
+	# меньше самого окна браузера — физически невозможно и легко детектится), а в
+	# части случаев цикл релаксации виснет на неопределённое время вместо быстрого
+	# ответа. Со strict=True generate() либо отдаёт честно подходящий сэмпл, либо
+	# сразу кидает ValueError — и то и другое быстро (~0.1с)
+	generator_kwargs.setdefault("strict", True)
 	fingerprint = FingerprintGenerator().generate(**generator_kwargs)
 	fp_file.write_text(fingerprint.dumps())
 	return fingerprint

src/engine/navigation.py

@@ -0,0 +1,69 @@
+"""
+Мелкие хелперы навигации, портированные из scrapling.engines.toolbelt.navigation
+и scrapling.engines.toolbelt.proxy_rotation — адаптированы под patchright/async.
+
+В отличие от полного Session/PagePool из scrapling.engines._browsers._base, тут
+браузер запускается и закрывается на каждый запрос (см. main.py), поэтому
+переиспользовать нечего — берём только то, что относится к одной навигации:
+блокировку ресурсов/доменов на странице и детект прокси-ошибок для retry.
+"""
+from typing import Callable, Optional
+from urllib.parse import urlparse
+
+from patchright.async_api import Route
+
+# ресурсы, которые можно дропать ради скорости — портировано из
+# scrapling.engines.constants.EXTRA_RESOURCES
+EXTRA_RESOURCES = {
+	"font", "image", "media", "beacon", "object",
+	"imageset", "texttrack", "websocket", "csp_report", "stylesheet",
+}
+
+# признаки прокси-ошибки в тексте исключения — портировано из
+# scrapling.engines.toolbelt.proxy_rotation._PROXY_ERROR_INDICATORS
+_PROXY_ERROR_INDICATORS = (
+	"net::err_proxy", "net::err_tunnel", "connection refused",
+	"connection reset", "connection timed out", "failed to connect",
+	"could not resolve proxy",
+)
+
+
+def is_proxy_error(error: Exception) -> bool:
+	"""Похоже ли исключение на сбой прокси (а не на обычную ошибку навигации)."""
+	msg = str(error).lower()
+	return any(indicator in msg for indicator in _PROXY_ERROR_INDICATORS)
+
+
+def _is_domain_blocked(hostname: str, domains: frozenset) -> bool:
+	"""Матчинг хоста и его родительских доменов за O(1) на каждый уровень —
+	портировано из scrapling.engines.toolbelt.navigation._is_domain_blocked."""
+	if hostname in domains:
+		return True
+	idx = hostname.find(".")
+	while idx != -1:
+		suffix = hostname[idx + 1:]
+		if "." in suffix and suffix in domains:
+			return True
+		idx = hostname.find(".", idx + 1)
+	return False
+
+
+def create_intercept_handler(disable_resources: bool, blocked_domains: Optional[set] = None) -> Callable:
+	"""Обработчик route, блокирующий типы ресурсов и/или домены — портировано из
+	scrapling.engines.toolbelt.navigation.create_async_intercept_handler."""
+	disabled_resources = EXTRA_RESOURCES if disable_resources else set()
+	domains = frozenset(blocked_domains) if blocked_domains else frozenset()
+
+	async def handler(route: Route) -> None:
+		if route.request.resource_type in disabled_resources:
+			await route.abort()
+		elif domains:
+			hostname = urlparse(route.request.url).hostname or ""
+			if _is_domain_blocked(hostname, domains):
+				await route.abort()
+			else:
+				await route.continue_()
+		else:
+			await route.continue_()
+
+	return handler

src/engine/schemas.py

@@ -35,3 +35,12 @@ class SolveRequest(BaseModel):
 	captcha_detect_locator: str | None = None
 	captcha_success_locator: str | None = None
 	captcha_type: str | None = None
+
+	# ниже — опции навигации, портированные из scrapling.engines._browsers (StealthySession.fetch),
+	# все выключены/нейтральны по умолчанию, чтобы поведение для текущих вызывающих не менялось
+	disable_resources: bool = False
+	blocked_domains: list[str] | None = None
+	retries: int = 1
+	retry_delay: float = 1.0
+	wait: int = 0
+	google_search: bool = False

src/main.py

@@ -1,3 +1,4 @@
+import asyncio
 import json
 import logging
 import traceback
@@ -14,10 +15,12 @@ from fastapi import Response
 from patchright.async_api import ProxySettings
 from patchright.async_api import async_playwright
 
+from antibot.humanize import wait_for_page_stability
 from engine import actions
 from engine.browser_launch import HARMFUL_ARGS, launch_args, stealth_context_options
 from engine.fingerprint import apply_fingerprint, context_options_for, load_or_create_fingerprint
 from engine.geoip import resolve_geo
+from engine.navigation import create_intercept_handler, is_proxy_error
 from engine.schemas import SolveRequest
 
 logger = logging.getLogger(__name__)
@@ -62,9 +65,9 @@ async def solve(
 			"ok": False,
 			"error": "No slots available",
 		}
-	else:
 	BROWSER_SLOTS -= 1
 
+	try:
 		if not session_id:
 			session_id = str(uuid.uuid4())
 			response.set_cookie("session_id", session_id)
@@ -74,32 +77,41 @@ async def solve(
 		scr_size = int(scr_w), int(scr_h)
 		proxy = parse_proxy(payload.proxy)
 
+		# профиль (cookies/local storage/fingerprint.json) хранится на диске по
+		# session_id — если он уже приходил в куках, ниже подгружаем существующий
+		# fingerprint из этой папки; если нет (новый session_id) — генерируем новый
+		# и сохраняем туда же (см. engine/fingerprint.py:load_or_create_fingerprint)
 		user_data_dir = Path(__file__).parent / f"../extra/user_data_dir/{session_id}"
 		if not user_data_dir.exists():
 			user_data_dir.mkdir(parents=True)
 
-	# geo — до создания fingerprint'а, чтобы производная от прокси locale (см. engine/geoip.py)
+		# geo — до создания fingerprint'а, чтобы производная от прокси locale
-	# попала в сам fingerprint, а не подменяла его задним числом
+		# (см. engine/geoip.py) попала в сам fingerprint, а не подменяла его
+		# задним числом
 		geo = await resolve_geo(proxy)
 		locale = geo.get("locale") if geo else None
 
 		fp_kwargs = {}
 		if payload.user_agent:
 			fp_kwargs["user_agent"] = payload.user_agent
+		# TODO: если есть session_id, то user_agent нужно взять из настроек пользователя
 		if locale:
 			fp_kwargs["locale"] = locale
 		fingerprint = load_or_create_fingerprint(
 			user_data_dir,
-		# только нижняя граница: реалистичный монитор должен быть не меньше запрошенного окна,
+			# только нижняя граница: реальный монитор физически не может быть
-		# а точный верхний потолок слишком часто не находится в датасете и тихо "ослабляется"
+			# меньше открытого на нём окна браузера (viewport ниже берём из
-		# browserforge (актуальный размер окна мы всё равно берём из payload.screen ниже, не отсюда)
+			# payload.screen напрямую, не отсюда). load_or_create_fingerprint
+			# генерирует с strict=True, так что это ограничение либо честно
+			# соблюдается, либо сразу падает ValueError — датасет browserforge
+			# больше не может тихо подсунуть сюда, например, мобильный экран
 			screen=Screen(min_width=scr_size[0], min_height=scr_size[1]),
 			**fp_kwargs,
 		)
 
 		ctx_kwargs = {
-		# базовые анти-детект опции ниже — fingerprint накладывается поверх и выигрывает
+			# базовые анти-детект опции ниже — fingerprint накладывается поверх
-		# при конфликте по user_agent/viewport/device_scale_factor
+			# и выигрывает при конфликте по user_agent/viewport/device_scale_factor
 			**stealth_context_options(),
 			**context_options_for(
 				fingerprint,
@@ -116,11 +128,17 @@ async def solve(
 				permissions.append("geolocation")
 		ctx_kwargs["permissions"] = permissions
 
+		nav_timeout_ms = payload.timeout * 1000 if payload.timeout else 60_000
+		default_timeout_ms = payload.timeout * 1000 if payload.timeout else 30_000
+		blocked_domains = set(payload.blocked_domains) if payload.blocked_domains else None
+		referer = "https://www.google.com/" if payload.google_search else None
+		retries = max(1, payload.retries)
+
 		async with async_playwright() as p:
 			context = await p.chromium.launch_persistent_context(
 				user_data_dir=str(user_data_dir),
 				proxy=proxy,
-			headless=False,
+				headless=True,
 				channel="chrome",
 				args=launch_args(locale=locale),
 				ignore_default_args=HARMFUL_ARGS,
@@ -131,10 +149,19 @@ async def solve(
 				page = context.pages[0] if context.pages else await context.new_page()
 				if payload.cookies:
 					await context.add_cookies(payload.cookies)
-			page.set_default_timeout(30_000)
+				page.set_default_timeout(default_timeout_ms)
-			page.set_default_navigation_timeout(60_000)
+				page.set_default_navigation_timeout(nav_timeout_ms)
+				if payload.disable_resources or blocked_domains:
+					await page.route("**/*", create_intercept_handler(payload.disable_resources, blocked_domains))
 
-			await page.goto(url=payload.url)
+				status = error = user_agent = None
+				cookies = html = None
+				actions_result = None
+
+				for attempt in range(retries):
+					try:
+						await page.goto(url=payload.url, referer=referer)
+						await wait_for_page_stability(page, load_dom=True, network_idle=False)
 
 						actions_result = await actions.execute(
 							page, payload.actions, payload.captcha,
@@ -142,6 +169,8 @@ async def solve(
 							success_locator=payload.captcha_success_locator,
 							detect_locator=payload.captcha_detect_locator,
 						)
+						if payload.wait:
+							await page.wait_for_timeout(payload.wait)
 
 						status = not "error" in actions_result[-1]
 						error = ["Something error", None][status]
@@ -155,10 +184,22 @@ async def solve(
 						# 		f"{datetime.timestamp(datetime.now())}.png"
 						# 	)
 						# )
+						break
+					except Exception as e:
+						if attempt < retries - 1:
+							kind = "прокси" if is_proxy_error(e) else "запрос"
+							logger.warning(
+								"Попытка %s/%s не удалась (%s: %s), retry через %.1fs",
+								attempt + 1, retries, kind, e, payload.retry_delay,
+							)
+							await asyncio.sleep(payload.retry_delay)
+						else:
+							raise
 			finally:
 				await context.close()
-
+	finally:
 		BROWSER_SLOTS += 1
+
 	result = {
 		"status": ["err", "ok"][status],
 		"user_agent": user_agent,