lanyuanxiaoyao
47038475d4
将 scripts/readers/html/downloader.py (263行) 拆分为 downloader/ 子包，各下载器独立维护： - 创建 downloader/ 子包，包含 __init__.py、common.py 和 4 个下载器模块 - common.py 集中管理公共配置（USER_AGENT、CHROME_ARGS 等） - 各下载器统一接口 download(url: str) -> Tuple[Optional[str], Optional[str]] - 在 __init__.py 定义 DOWNLOADERS 列表显式注册，参考 parser 模式 - 更新 html/__init__.py 导入语句，从 .downloader import download_html - 添加完整的类型注解，提升代码可维护性
36 lines
1.1 KiB
Python
36 lines
1.1 KiB
Python
"""使用 urllib 下载 URL（标准库，兜底方案）"""
|
||
|
||
import urllib.request
|
||
import urllib.error
|
||
from typing import Optional, Tuple
|
||
|
||
from .common import USER_AGENT
|
||
|
||
|
||
def download(url: str) -> Tuple[Optional[str], Optional[str]]:
|
||
"""
|
||
使用 urllib 下载 URL（标准库，兜底方案）
|
||
|
||
Args:
|
||
url: 目标 URL
|
||
|
||
Returns:
|
||
(content, error): content 成功时为 HTML 内容，失败时为 None
|
||
error 成功时为 None，失败时为错误信息
|
||
"""
|
||
headers = {
|
||
"User-Agent": USER_AGENT
|
||
}
|
||
|
||
try:
|
||
req = urllib.request.Request(url, headers=headers)
|
||
with urllib.request.urlopen(req, timeout=30) as response:
|
||
if response.status == 200:
|
||
content = response.read().decode("utf-8")
|
||
if not content or not content.strip():
|
||
return None, "下载内容为空"
|
||
return content, None
|
||
return None, f"HTTP {response.status}"
|
||
except Exception as e:
|
||
return None, f"urllib 下载失败: {str(e)}"
|