baidu-reporter/app/app.py

import argparse
import asyncio
import sys
import os
import time
import signal

from app.engines.report_engine import Reporter

from .config import load_config, AppConfig
from .config.config import AppCtx
from .engines.crawl_engine import CrawlEngine
from .engines.evidence_engine import EvidenceEngine
from .models.base import connect_db, create_database

from loguru import logger
import sqlalchemy.exc

from .web.web import WebApp


class MainApp:
    """主应用"""

    def __init__(self):
        self.args = None
        self.config: AppConfig = None
        self.db_engine = None

        # 所有的engine
        self.crawl_engine = None
        self.evidence_engine = None
        self.report_engine = None

    def parse_args(self):
        """解析命令行参数"""
        parser = argparse.ArgumentParser(description="Baidu Reporter")

        # 指定配置文件
        parser.add_argument(
            "-c",
            "--config",
            default="./config.local.toml",
            help="指定配置文件路径，默认为 ./config.local.toml",
        )

        parser.add_argument(
            "--crawl", help="采集模式，根据域名批量采集 SURL，多个域名可使用英文逗号分割，也可通过 --crawl-file 传入文件",
        )
        parser.add_argument(
            "--crawl-file", help="目标域名文件，批量传入待采集的域名，每行一个"
        )

        parser.add_argument(
            "--evidence", help="收集证据模式，对数据库内的 SURL 获取证据",
            action="store_true"
        )

        # 添加运行模式参数
        parser.add_argument(
            "--report",
            const="pc,site,wap",
            nargs="?",
            help="指定运行模式：pc/site/wap，不指定则运行所有模式，多个模式使用英文逗号分隔",
        )

        # 添加 web 服务器参数
        parser.add_argument(
            "--web", action="store_true", help="启动 web 服务器，启动后将忽略其他选项"
        )
        parser.add_argument(
            "--web-only", action="store_true", help="启动 web 服务器，但是不启动引擎"
        )

        parser.add_argument(
            "-s",
            action="store_true",
            help="当设置此选项的时候，将以正常模式启动Chrome(非headless模式)，方便调试与观察运行情况"
        )

        # 如果没有传入任何参数，显示帮助信息
        if len(sys.argv) == 1:
            parser.print_help()
            sys.exit(0)

        args = parser.parse_args()
        logger.debug(f"{args=}")

        # 处理模式参数
        if args.report:
            reports = [m.strip() for m in args.report.split(",")]
            valid_modes = ["pc", "site", "wap"]
            invalid_modes = [m for m in reports if m not in valid_modes]
            if invalid_modes:
                parser.error(f'无效的运行模式: {", ".join(invalid_modes)}')
            args.report = reports
        else:
            args.report = ["pc", "site", "wap"]

        # 检查输入的文件是否存在
        if args.crawl_file and not os.path.exists(args.crawl_file):
            parser.error(f"--crawl_file 指定的文件 {args.crawl_file} 不存在")

        # 检查配置文件是否存在
        if not os.path.exists(args.config):
            parser.error(f"配置文件不存在: {args.config}")

        self.args = args

    def start_cli(self):
        """开启 CLI 模式"""
        if self.args.crawl or self.args.crawl_file:
            crawl = CrawlEngine()
            crawl.cli_start(self.args.crawl, self.args.crawl_file)
            crawl.cli_wait()
            crawl.stop()
        elif self.args.evidence:
            evidence = EvidenceEngine()
            evidence.cli_start()
            evidence.stop()
        elif self.args.report:
            reporter = Reporter(self.args.report)
            reporter.cli_start()
            reporter.stop()
        else:
            logger.error("模式错误！")
            return

    def start_web(self):
        """开启 Web 模式"""

        # 注册 ctrl+c 处理程序，正常结束所有的 engine
        signal.signal(signal.SIGINT, self.exit_handler)

        # 启动所有的 engine
        if not self.args.web_only:
            self.crawl_engine = CrawlEngine()
            self.crawl_engine.start()
            logger.info("crawl 启动")

            self.evidence_engine = EvidenceEngine()
            self.evidence_engine.start()
            logger.info("evidence 启动")

            self.report_engine = Reporter(["pc", "site", "wap"])
            self.report_engine.start()
            logger.info("report 启动")

        # 启动 web 页面
        web_app = WebApp()
        asyncio.run(web_app.start())

        logger.info("web stop.")

    def run(self):
        """运行应用"""

        # 解析命令行参数
        self.parse_args()

        # 加载配置文件
        self.config = load_config(self.args.config)
        logger.info(f"加载配置文件 {self.args.config} 成功")

        # 设置 chrome 模式
        if self.args.s:
            AppCtx.g_app_config.headless_chrome = False
        else:
            AppCtx.g_app_config.headless_chrome = True

        # 连接数据库
        try:
            self.db_engine = connect_db(self.config)
            logger.info(f"连接数据库 {self.config.database.database} 成功")
        except sqlalchemy.exc.OperationalError as e:
            # 如果错误类型是数据库不存在，询问用户是否执行初始化操作
            if "1049" in str(e):
                logger.info("数据库不存在，尝试初始化数据库")
                create_database(self.config)
                logger.info("数据库初始化成功，尝试连接数据库")
                self.db_engine = connect_db(self.config)
                logger.info(f"连接数据库 {self.config.database.database} 成功")
            else:
                logger.error(f"连接数据库失败，请检查配置文件或数据库服务是否正常: {e}")
                sys.exit(1)

        # 如果指定了 --web 参数，启动 web 服务器，忽略其他选项
        if self.args.web or self.args.web_only:
            logger.info("启动 Web 模式")
            return self.start_web()
        else:
            logger.info("启动 CLI 模式")
            return self.start_cli()

    def exit_handler(self, signum, frame):
        # 在这里结束各个 engine
        logger.debug("CTRL+C called.")

        if self.crawl_engine:
            self.crawl_engine.stop()
            self.crawl_engine.cli_wait()
            logger.info("crawl 退出")

        if self.evidence_engine:
            self.evidence_engine.stop()
            self.evidence_engine.wait()
            logger.info("evidence 退出")

        if self.report_engine:
            self.report_engine.stop()
            self.report_engine.wait()
            logger.info("report 退出")