# test

**Repository Path**: yangdaye000/test

## Basic Information

- **Project Name**: test
- **Description**: 学习
- **Primary Language**: Java
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-04-10
- **Last Updated**: 2025-03-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

### 小元宝助手

###  **1. 系统概述
** 
 **系统目标** 
开发一款基于C#的Windows桌面工具，实现抖音平台的自动化用户触达与私信营销，包含关键词驱动的视频搜索、精准用户筛选、自动化私信交互及人工介入通道。

 **核心功能** 

- 关键词管理（搜索/评论/私信）
- 浏览器自动化（模拟真实用户操作抖音）
- 用户行为链触发（搜索→观看→评论筛选→关注→私信）
- 私信双向通信（自动发送+人工接管）
- 操作日志与异常监控

 **技术栈** 
| 层级    | 技术选型                                            |
|-------|-------------------------------------------------|
| 开发框架  | .NET 4.8 + WPF（MVVM模式）                          |
| 浏览器控制 | Selenium WebDriver + Chrome DevTools Protocol   |
| 自动化增强 | AutoIt（解决Windows控件操作） + Humanizer（模拟人类操作间隔与随机性） |
| 数据存储  | SQLite（本地轻量数据库） + LiteDB（日志高频写入场景）              |
| 通信协议  | WebSocket（抖音私信实时监听）                             |
| 辅助工具  | Newtonsoft.Json（配置管理） + Serilog（结构化日志）          |

###  **2. 功能需求概述
** 
| 功能模块  | 技术实现要点                                   |
|-------|------------------------------------------|
| 关键词管理 | 支持批量导入/正则表达式/权重设置                        |
| 浏览器仿真 | 指纹伪装（Canvas/WebGL/UserAgent随机化） + 鼠标轨迹模拟 |
| 视频爬取  | 动态滚动加载+视频元数据提取（作者/点赞量/发布时间）              |
| 用户识别  | 评论语义分析（TF-IDF算法）+ 用户行为画像（近期活跃度）          |
| 私信系统  | 消息队列（失败重试机制） + 话术模板引擎（变量替换如{用户名}）        |
| 反检测机制 | 操作频率随机化 + IP代理池集成 + 行为异常熔断               |


###  **3. 系统架构
** 
 **整体架构图** 

```
[用户界面层]  
├─ 配置管理界面（WPF/XAML）  
├─ 实时监控仪表盘  
└─ 人工接管控制台  

[业务逻辑层]  
├─ 自动化任务引擎  
├─ 抖音API适配器（WebDriver封装）  
├─ 风控策略中心  
└─ 消息总线（事件驱动）  

[数据服务层]  
├─ 本地数据库服务（SQLite）  
├─ 日志分析管道（ELK架构）  
└─ 缓存服务（RedisStack）  

[基础设施层]  
├─ 浏览器实例池（多Profile隔离）  
├─ 代理IP管理服务  
└─ 异常恢复机制（断点续传）
```
  
 **模块划分** 

1. BrowserController：Chrome实例生命周期管理
2. BehaviorSimulator：人类操作模式生成器
3. DouyinParser：DOM解析与数据抽取
4. RiskDetector：验证码识别/限流预警
5. MessageScheduler：优先级消息队列

###  **4. 数据模型设计
** 
 **核心模型** 


```
public class KeywordConfig {
    public Guid Id { get; set; }
    public KeywordType Type { get; } // 枚举：搜索词/评论词/私信词
    public List<string> Keywords { get; set; } 
    public MatchMode Mode { get; } // 全匹配/模糊匹配
}

public class TaskRecord {
    public DateTime StartTime { get; set; }
    public int VideoProcessed { get; set; }
    public int UsersReached { get; set; }
    public string StatusLog { get; set; }
}

public class UserProfile {
    public string UserId { get; set; }
    public List<string> MatchedComments { get; set; }
    public DateTime LastContactTime { get; set; }
    public ContactStatus Status { get; } // 未联系/已发送/已回复
}
```

 **ER关系图** 

```
KeywordConfig ──┐  
                ├─ TaskRecord  
UserProfile ────┘  
```

###  **5. 核心服务设计
** 
 **浏览器自动化服务** 


```
public class DouyinOperator {
    // 使用Chrome DevTools Protocol进行底层控制
    public async Task SearchVideos(List<string> keywords) {
        await _devTools.SendCommand("Input.dispatchKeyEvent", new {
            type = "keyDown",
            text = string.Join(" ", keywords)
        });
        // 注入随机滚动延迟（800-1500ms）
        await Humanizer.RandomDelay(); 
    }

    // 基于XPath的动态元素定位
    private IWebElement FindCommentElement(string keyword) {
        return _driver.FindElement(
            By.XPath($"//div[contains(@class,'comment-item') and contains(., '{keyword}')]")
        );
    }
}
```

 **异常处理策略** 


```

try {
    // 执行关注操作
} catch (NoSuchElementException ex) {
    _logger.Error($"元素未找到: {ex.Selector}");
    _retryCounter.Increment();
    if(_retryCounter > 3) TriggerFallbackMode();
} catch (StaleElementReferenceException) {
    _driver.Navigate().Refresh();
    RestoreStateFromCache();
}
```

###  **6. 任务调度设计
** 
 **状态机模型** 

```

[Idle] → [Searching] → (若找到视频) → [ProcessingVideo]  
                      (无结果)     → [AdjustKeywords]  

[ProcessingVideo] → [ScanComments] → (匹配用户) → [FollowUser]  
                                      (无匹配)  → [NextVideo]  

[FollowUser] → [SendMessage] → [LogResult] → [NextUser]
```

 **队列实现** 


```

// 使用Channel实现生产消费者模式
var taskChannel = Channel.CreateBounded<TaskItem>(1000);

// 生产者
async Task ProduceTasksAsync() {
    foreach(var video in _videoList) {
        await taskChannel.Writer.WriteAsync(video);
    }
}

// 消费者（并行处理）
Parallel.ForEach(Enumerable.Range(0, 5), async _ => {
    while(await taskChannel.Reader.WaitToReadAsync()) {
        if(taskChannel.Reader.TryRead(out var item)) {
            ProcessVideo(item);
        }
    }
});
```

###  **7. 开发需知
** 
1.抖音反爬对策

- 使用住宅代理服务（BrightData/Oxylabs）
- 每个浏览器实例独立Cookie容器
- 每日操作阈值动态调整（通过机器学习模型）

2.性能优化点

- 浏览器实例预启动池（避免冷启动延迟）
- DOM查询结果缓存（Memurai）
- 视频流增量加载（Intersection Observer模式）

3.法律合规要求


- 用户数据采集需符合《个人信息保护法》第13条
- 私信内容禁用诱导分享类话术
- 显式声明自动化工具性质

4.测试重点


- 浏览器指纹检测绕过测试
- 高并发场景下的内存泄漏检测
- 抖音界面变更的容错测试（通过CSS变更监测）