Files
UHD_Media_Tool/packages/adapters/src/sites/challenge.ts
T
root b44ebc2ba1 fix(sites): preserve remote throttling reasons and HTTP diagnostics
行为对照:MoviePilot v3.2.4,6ca7b294/f4a68f36;复用现有站点共享桶,明确频控按远端秒数冷却,错误标题脱敏;修复有界响应读取对单个大数据块的限制。
2026-11-06 00:02:10 +08:00

237 lines
11 KiB
TypeScript

// CF-2 Cloudflare 挑战识别(docs/design/cloudflare-handling.md)。
// - HTTP 端:响应头 `cf-mitigated: challenge`(任何状态码),或 403 / 503 / 429 且正文是挑战页 → 挑战,不是凭据错误;
// 页面类请求(GET + Accept text/html)返回 200 也可能是挑战页 / 人机验证门页(Turnstile、hCaptcha、reCAPTCHA),短页且没有站点正常内容才算;
// - 浏览器端:挑战页分三类——自动(JS 检查,等几秒自己过)、可点(「我是人类」复选框 / Turnstile)、真验证码(选图 / 输码)。
// 只用正则,不解析 DOM:HTTP 端要在限流器之后快速判断,浏览器端拿到的是 outerHTML + innerText 样本。
/** Cloudflare / DDoS-Guard 挑战页的标题 */
const CHALLENGE_TITLE = /^\s*(?:just a moment|attention required! \| cloudflare|请稍候|ddos-guard|one moment, please)/i;
/** 挑战页的脚本 / 元素特征。不认 `/cdn-cgi/challenge-platform/`:Cloudflare 会往正常页面也注入这段脚本 */
const CHALLENGE_HTML =
/cf-browser-verification|cf_chl_opt|cf-challenge-running|id="challenge-form"|id="challenge-spinner"|id="cf-please-wait"|id="trk_jschal_js"/i;
function titleOf(html: string): string {
return /<title[^>]*>([^<]*)<\/title>/i.exec(html.slice(0, 50_000))?.[1]?.trim() ?? "";
}
/** 页面是不是挑战页;命中返回规则说明(进技术信息),否则 null */
export function challengeRuleOfHtml(html: string | null | undefined): string | null {
if (!html) return null;
const title = titleOf(html);
if (CHALLENGE_TITLE.test(title)) return `title=${title.slice(0, 40)}`;
const m = CHALLENGE_HTML.exec(html.slice(0, 200_000));
return m ? `html*=${m[0]}` : null;
}
/** 响应头判定(不读正文):`cf-mitigated: challenge` */
export function challengeRuleOfHeaders(headers: Headers): string | null {
return headers.get("cf-mitigated")?.trim().toLowerCase() === "challenge" ? "header cf-mitigated=challenge" : null;
}
/**
* 站点请求经服务端 Cloudflare 级联后仍是挑战时,级联在返回的响应上加这个头说明处理结果
* (needs_human / failed / throttled / no_browser / no_account),适配器据此写错误文案;
* unhandled = 网络层没认出、适配器解析时才认出的验证页(级联没跑)。
*/
export const CHALLENGE_OUTCOME_HEADER = "x-umt-challenge";
/** 人机验证错误文案的后半句:自动处理到哪一步、要不要人 */
export function challengeOutcomeText(outcome: string | null | undefined): string {
switch (outcome) {
case "needs_human":
return "自动处理没能通过,需要你在原站视图里过一次验证";
case "failed":
return "已自动尝试用浏览器通过,没有成功";
case "throttled":
return "30 分钟内已自动尝试过,之后会再试";
case "no_browser":
return "没有可用的浏览器,无法自动通过";
case "no_account":
return "站点没有已登录的账号,不自动处理";
case "unhandled":
return "这类页面没有自动处理,可以在原站视图里过一次验证";
default:
return "会自动尝试用浏览器通过";
}
}
/** 这些状态码的响应才去看正文(Cloudflare 挑战页是 403 / 503,少数 429) */
export const CHALLENGE_STATUSES: readonly number[] = [403, 429, 503];
/** 判定时最多先读这么多正文;超出部分不缓冲,照常流给调用方。挑战 / 人机验证门页都远小于这个 */
export const CHALLENGE_PEEK_BYTES = 256 * 1024;
/** 页面类请求(GET + Accept text/html):只有这类请求的 2xx 响应才检查正文 */
export function isPageRequest(method: string | null | undefined, accept: string | null | undefined): boolean {
return (method ?? "GET").toUpperCase() === "GET" && /text\/html|application\/xhtml/i.test(accept ?? "");
}
/** 人机验证组件:Turnstile / hCaptcha / reCAPTCHA(只认脚本地址与组件 class,不认文案) */
const GATE_WIDGET =
/challenges\.cloudflare\.com\/turnstile|class="[^"]*\bcf-turnstile\b|hcaptcha\.com\/1\/api|class="[^"]*\bh-captcha\b|google\.com\/recaptcha|recaptcha\/api\.js|class="[^"]*\bg-recaptcha\b/i;
/** 站点正常内容的痕迹:种子表、已登录的用户信息块(NexusPHP 等)。出现任何一个就不是门页 */
const SITE_CONTENT =
/id="torrenttable"|<table[^>]*class="[^"]*\btorrents\b|logout\.php|userdetails\.php\?id=|usercp\.php|id="info_block"/i;
/** 登录表单(登录页本身也可能带 Turnstile,交给登录 / 失效判定,不算门页) */
const LOGIN_FORM = /type=["']?password|takelogin\.php/i;
/** 门页都很短;超过这个长度的页面不按门页判 */
const GATE_MAX_CHARS = 100_000;
/** 页面文字里的人机验证提示(只在页面已经认不出来时用) */
const HUMAN_TEXT = /人机验证|verify you are human|确认您是真人|验证您是真人|checking your browser/i;
/**
* 人机验证门页:页面上有 Turnstile / hCaptcha / reCAPTCHA,且没有登录表单、没有站点正常内容、页面很短。
* 命中返回规则说明,否则 null。
*/
export function challengeGateRule(html: string | null | undefined): string | null {
if (!html || html.length > GATE_MAX_CHARS) return null;
const w = GATE_WIDGET.exec(html);
if (!w || LOGIN_FORM.test(html) || SITE_CONTENT.test(html)) return null;
return `gate*=${w[0].slice(0, 40)}`;
}
/**
* 2xx 页面是不是挑战 / 人机验证页。比非 2xx 严:正文必须完整读到(短页)、没有站点正常内容,
* 再看挑战标题 / 脚本特征或人机验证门页。complete = 正文是否已全部读到。
*/
export function challengeRuleOfOkPage(html: string, complete = true): string | null {
if (!complete || !html || html.length > GATE_MAX_CHARS || SITE_CONTENT.test(html)) return null;
return challengeRuleOfHtml(html) ?? challengeGateRule(html);
}
/**
* 页面已经解析不出来(列表 / 详情认不出结构)时的兜底:像挑战 / 人机验证就返回规则说明。
* 比 challengeRuleOfOkPage 宽:不要求短页、也认页面文字里的「人机验证」提示,但带登录表单的页面不算。
*/
export function challengeRuleOfUnrecognizedPage(html: string | null | undefined): string | null {
if (!html) return null;
const head = html.slice(0, 300_000);
const cf = challengeRuleOfHtml(head);
if (cf) return cf;
if (LOGIN_FORM.test(head)) return null;
const w = GATE_WIDGET.exec(head);
if (w) return `gate*=${w[0].slice(0, 40)}`;
const t = HUMAN_TEXT.exec(head.replace(/<script[\s\S]*?<\/script>|<style[\s\S]*?<\/style>/gi, " "));
return t ? `text*=${t[0]}` : null;
}
function concatBytes(chunks: Uint8Array[], total: number): Uint8Array<ArrayBuffer> {
const out = new Uint8Array(total);
let off = 0;
for (const c of chunks) {
out.set(c, off);
off += c.byteLength;
}
return out;
}
/** 先读最多 max 字节;返回读到的部分、是否读完,以及一个内容不变的新响应(没读完的部分接着原流) */
export async function peekBody(
res: Response,
max: number,
): Promise<{ head: Uint8Array<ArrayBuffer>; complete: boolean; res: Response }> {
const reader = (res.body as unknown as ReadableStream<Uint8Array>).getReader();
const chunks: Uint8Array[] = [];
let total = 0;
let complete = false;
let remainder: Uint8Array | undefined;
while (total < max) {
const r = await reader.read();
if (r.done) {
complete = true;
break;
}
const length = Math.min(r.value.byteLength, max - total);
chunks.push(r.value.subarray(0, length));
total += length;
if (length < r.value.byteLength) remainder = r.value.subarray(length);
}
const head = concatBytes(chunks, total);
const init = { status: res.status, statusText: res.statusText, headers: res.headers };
if (complete) return { head, complete, res: new Response(head, init) };
const stream = new ReadableStream<Uint8Array>({
start(c) {
c.enqueue(head);
if (remainder) c.enqueue(remainder);
},
async pull(c) {
const r = await reader.read();
if (r.done) c.close();
else c.enqueue(r.value);
},
cancel(reason) {
return reader.cancel(reason);
},
});
return { head, complete, res: new Response(stream, init) };
}
/**
* 判定一个站点响应是不是挑战。
* - 响应头 `cf-mitigated: challenge` → 挑战(不读正文);
* - 403 / 429 / 503 → 读正文看挑战页特征;
* - opts.page(页面类请求)且 2xx 的 HTML → 读正文看挑战页 / 人机验证门页(challengeRuleOfOkPage);
* - 其它情况不读正文,零开销。
* 正文最多先读 CHALLENGE_PEEK_BYTES,读过的部分重新包进返回的响应,调用方照常消费。
* 返回 { res, rule, html }:rule 为 null 表示不是挑战;html 是读到的正文开头(没读为 null,留样用)。
*/
export async function detectChallenge(
res: Response,
opts: { page?: boolean } = {},
): Promise<{ res: Response; rule: string | null; html: string | null }> {
const byHeader = challengeRuleOfHeaders(res.headers);
if (byHeader) return { res, rule: byHeader, html: null };
const suspect = CHALLENGE_STATUSES.includes(res.status);
const okPage =
!!opts.page &&
res.status >= 200 &&
res.status < 300 &&
res.status !== 204 &&
res.status !== 205 &&
/html|^$/i.test(res.headers.get("content-type")?.trim() ?? "");
if ((!suspect && !okPage) || !res.body) return { res, rule: null, html: null };
const peek = await peekBody(res, CHALLENGE_PEEK_BYTES);
const html = new TextDecoder("utf-8").decode(peek.head);
const rule = suspect ? challengeRuleOfHtml(html) : challengeRuleOfOkPage(html, peek.complete);
return { res: peek.res, rule, html };
}
/**
* 浏览器里打开的页面属于哪种挑战:
* - none:不是挑战页(已通过);
* - waiting:自动检查(JS / 非交互),等几秒会自己过;
* - interactive:「我是人类」复选框 / Turnstile,可以点一下;
* - captcha:选图、输验证码这类真验证码,不自动处理。
*/
export type ChallengePageKind = "none" | "waiting" | "interactive" | "captcha";
const CAPTCHA_MARKERS =
/hcaptcha\.com|class="h-captcha"|g-recaptcha|recaptcha\/api|imagecode\.php|select all (?:images|squares)|请(?:依次)?点击|选择所有|拖动滑块|输入验证码|enter the (?:characters|code)/i;
const INTERACTIVE_MARKERS =
/challenges\.cloudflare\.com\/(?:turnstile|cdn-cgi)|cf-turnstile|cType\s*:\s*['"](?:managed|interactive)['"]|verify you are human|确认您是真人|验证您是真人|我是人类/i;
export function classifyChallengePage(page: { title?: string | null; html?: string | null; text?: string | null }): {
kind: ChallengePageKind;
rule: string | null;
} {
const html = page.html ?? "";
const text = page.text ?? "";
const title = page.title ?? titleOf(html);
const rule =
(CHALLENGE_TITLE.test(title) ? `title=${title.slice(0, 40)}` : null) ??
challengeRuleOfHtml(html) ??
challengeGateRule(html) ??
(/verify you are human|确认您是真人|验证您是真人|checking (?:if the site connection is secure|your browser)/i.test(
text,
)
? "text"
: null);
if (!rule) return { kind: "none", rule: null };
const all = `${html.slice(0, 300_000)}\n${text.slice(0, 20_000)}`;
const cap = CAPTCHA_MARKERS.exec(all);
if (cap) return { kind: "captcha", rule: `${rule}; captcha*=${cap[0]}` };
const inter = INTERACTIVE_MARKERS.exec(all);
if (inter) return { kind: "interactive", rule: `${rule}; interactive*=${inter[0]}` };
return { kind: "waiting", rule };
}