找资源不用开浏览器

我以前找片子/找文件是"打开一个资源站 → 搜索 → 翻列表 → 复制链接"。这动作一天做三次，就值得自动化了。

第一反应是上浏览器自动化（无头 Chrome 驱动点击）。这是个陷阱：慢、脆、还容易被反爬。大多数资源站其实一个 curl 就够。

判断标准：需不需要浏览器

先花 30 秒判断，能省半天：

curl -s -o /tmp/page.html -w '%{http_code}\n' "https://<站点>/search?q=test"
grep -c "magnet:\?xt=urn:btih" /tmp/page.html

• HTML 里直接有结果 → 用 HTTP + 正则，别开浏览器
• HTML 是空壳（只有 <div id="app">） → 内容是 JS 渲染的，要么找它的 JSON 接口，要么只能上浏览器
• 返回 403 / 人机验证页 → 需要 cookie 或者过验证，浏览器更省事

我遇到的磁力站基本都是第一种：服务端渲染，结果直接在 HTML 里。这种站用浏览器自动化是纯浪费——启动 Chrome 十秒，一个 curl 20 毫秒。

找 URL 模式的通用方法

资源站的搜索页几乎都是"路径 + 查询参数"这种结构，几个常见形态：

/search?q=<关键词>
/search?q=<关键词>&p=<页码>
/search/<关键词>/1.html
/?s=<关键词>

怎么确定是哪种：在站点上搜一次，然后看地址栏。就这么简单——你要的信息它已经显示给你了。

带分页的话，翻到第 2 页再看一次地址栏，对比出页码参数名（常见 p / page / /2/）。拿到这个规律，就能批量跑：

from urllib.parse import quote

def search(keyword, pages=3):
    out = []
    for p in range(1, pages + 1):
        url = f"https://<站点>/search?q={quote(keyword)}&p={p}"
        html = http_get(url)
        out += re.findall(r'magnet:\?xt=urn:btih:[A-Za-z0-9]{32,40}[^"\'<\s]*', html)
    return dedupe(out)

三个细节：

• quote() 必须用。中文关键词不编码，服务端可能返回 400 或者空结果
• 页数 3 页封顶。再多基本是重复和低质源
• 去重。同一资源会被不同用户重复发布，info hash 相同就是同一个种子

解析结果：元信息在标题里

磁力链接本身只有哈希（见这篇），但显示名称里塞满了信息：

[高清剧集网 www.xxx.com]华灯初上 第二季[全8集][中文字幕][2021][WEB-DL][1080p]

用正则把这些拆出来，就能按条件筛选：

def parse(title):
    return {
        "res": "2160p" if "2160" in title else "1080p" if "1080" in title else "?",
        "sub": "中字" in title or "字幕" in title,
        "eps": (m := re.search(r"全(\d+)集", title)) and m.group(1),
        "free": ("国英" in title) or ("双语" in title),
        "site": (m := re.match(r"\[([^\]]+)\]", title)) and m.group(1),
    }

站名标签很有用：同一个片子，不同压制组/搬运站的资源质量差异巨大。跑几次你就会知道哪几个标签是"能下、画质好、有中字"，直接按标签白名单筛。

资源站的两个现实问题

1. 域名会换

这类站换域名是常态。所以不要把域名写死在代码里，至少抽成一个配置项；脚本里判断"搜不到结果"和"站点打不开"要分开：

code = http_code(url)
if code == 0:
    raise RuntimeError("站点不通（挂了/被墙/域名换了）")
if code >= 400:
    raise RuntimeError(f"站点返回 {code}（可能要 cookie 或验证）")
if not results:
    raise NotFound("站点通了，但没这个资源")

这三种情况的处理方式完全不同，混在一起就会得出"这个片子网上没有"的错误结论——而实际上只是域名换了。

2. 有的站需要代理

出墙判断很简单：

# 直连
curl -s -o /dev/null -m 8 -w '直连: %{http_code}\n' "https://<站点>/"
# 走代理
curl -s -o /dev/null -m 8 -x http://127.0.0.1:7890 -w '代理: %{http_code}\n' "https://<站点>/"

我踩过的最蠢的坑：只看了一个站直连不通，就得出"外网不通"的结论。实际是国内站直连都好好的，只有境外站需要代理。分站判断，别一刀切。

反过来也成立：国内资源站挂代理反而更慢，甚至被拦。所以脚本里应该按站点配置"要不要代理"，而不是全局开关。

网盘资源是另一种玩法

如果目标是网盘文件（不是 BT），逻辑不同：搜索 → 拿到分享链接 + 提取码 → 转存到自己网盘。

同样先看能不能 curl：

curl -s -o /tmp/r.html -w '%{http_code}\n' "https://<网盘搜索站>/search?q=<关键词>"
grep -oE 'https://pan\.[a-z]+\.com/s/[A-Za-z0-9_-]+' /tmp/r.html | head
grep -oE '提取码[:：]\s*[a-zA-Z0-9]{4}' /tmp/r.html | head

能抓到分享链接和提取码，就不用浏览器。抓不到再看是不是 JS 渲染。

什么时候浏览器真的必要

三种情况，我认：

1. 内容是 JS 渲染且找不到 JSON 接口
2. 需要登录态 + 有反爬（指纹/验证码）
3. 要点才能出结果（比如必须先选分类下拉）

即使这样，也可以用"半自动"：浏览器只负责拿到结果页的 HTML，抓取/解析还在脚本里。把"必须交互的那一步"缩到最小，剩下的都留在脚本里。

检查清单

1. curl 一下，看 HTML 里有没有目标内容 —— 有就别开浏览器
2. 在界面上搜一次，读地址栏，确定 URL 模式
3. 中文关键词必须 quote()
4. 分页 3 页封顶，结果按 info hash 去重
5. 把"站点不通 / 返回错误码 / 真没资源"三种情况分开处理
6. 代理按站点配置，别全局开

一句话版本：先 curl 再决定要不要浏览器。资源站基本是服务端渲染，正则抓磁力就够了；把"没搜到"和"站点挂了"分开报，能省掉一半误判。