# crawler-plugin

## 这个仓库是什么

这个仓库不是一个“单体项目”，而是一个混合工作目录。当前更像是以下三层共同组成的一套系统：

- `app/`：Python 桌面宿主、Flask 页面承载层、`pywebview` 本地桥接层、自动化任务入口
- `backend-java/`：Java 业务后端，负责任务模型、文件处理、进度缓存、结果组装、落库、下载
- `frontend-vue/`：Vue 多页面前端，负责工具页交互和任务发起

如果你是第一次接手这个仓库，不要先把它理解成：

- 纯 Java 后端项目
- 纯 Python 自动化项目
- 纯前后端分离 Web 项目

它当前的真实形态更接近：

`Vue 页面 -> Python 桌面桥接/Flask -> Java 任务系统 -> Redis / DB / OSS`

同时，Python 自动化还会再去驱动本地紫鸟客户端和浏览器。

## 先看哪里

如果你的目标是理解当前主线，请按这个顺序读：

1. `app/`
2. `backend-java/`
3. `frontend-vue/`

原因很简单：

- `app/` 决定了桌面端怎么承载页面、怎么暴露本地能力、怎么把任务推给 Python 自动化
- `backend-java/` 决定了任务怎么创建、状态怎么缓存、结果怎么回传、文件怎么生成和下载
- `frontend-vue/` 决定了用户是怎么触发这些链路的

以下目录不要默认当成当前主线：

- `source_code/`
- `backend/`

它们和 `app/` 有明显重叠，更像历史版本、迁移残留或中间态副本。阅读时要先带着“可能不是当前生效版本”的假设。

## 主线架构怎么分工

### Python 层：桌面壳 + 本地桥接 + 自动化执行

`app/` 不是单纯的业务后端。它更像一个桌面宿主，负责三件事：

- 承载 Flask 页面和登录态
- 通过 `pywebview` 暴露本地文件选择、保存文件、上传文件、任务入队等能力
- 启动和调度 Python 自动化任务

这一层解决的是“本地能力”和“桌面壳”的问题，不是最终任务结果的权威存储。

### Java 层：任务系统 + 结果系统

`backend-java/` 是当前业务核心后端，负责：

- 文件上传与临时文件管理
- 任务创建、历史查询、批量轮询
- Redis 进度缓存
- 分片结果接收与聚合
- 结果文件生成
- OSS 上传
- 下载接口输出

从模块名看，Java 端已经承接了大部分工具型任务，例如：

- `brand`
- `dedupe`
- `split`
- `convert`
- `deletebrand`
- `productrisk`
- `shopmatch`
- `pricetrack`

### Vue 层：多页面工具前端

`frontend-vue/` 不是单页应用，而是多入口页面工程。它的作用主要是：

- 让用户选择文件或参数
- 调用 Java API 创建任务或查询任务
- 调用 `pywebview` 桥接拿本地能力
- 在任务执行过程中轮询状态和下载结果

它构建后的产物输出到 `new_web_source/`，再由 Python/Flask 暴露出来供桌面端使用。

## 如何理解目录

### 当前最值得关注的目录

#### `app/`

这是当前阅读优先级最高的 Python 目录，重点看这些角色：

- `main.py`：创建 `pywebview` 窗口，暴露本地桥接 API
- `app.py`：Flask 应用入口
- `blueprints/`：页面、登录、品牌、通信等 HTTP 层
- `amazon/`：删除品牌、商品风险、匹配、跟价等自动化任务实现

#### `backend-java/`

这是任务系统核心，重点关注：

- controller：对外 API
- service：任务创建、进度、结果回传、组装
- model / mapper：任务和结果模型
- `application.yml`：后端依赖配置

#### `frontend-vue/`

这是当前工具页前端源码，重点关注：

- `src/shared/bridges/pywebview.ts`：前端如何调 Python 本地桥接
- `src/shared/api/java-modules.ts`：前端如何调 Java API
- `src/pages/brand/components/`：各个具体工具页

### 不要误判成源码主线的目录

#### `new_web_source/`

更像前端构建产物目录，不是首选手改源码位置。

#### `source_code/`

和 `app/` 结构高度相似，但从当前仓库关系看，更像旧线或中间迁移副本。

#### `backend/`

另一套 Python 后端实现，和当前主线职责不完全一致，更像旧后台线。

## 用“删除品牌自动化”看懂整个系统

“删除品牌”是这个仓库里很有代表性的一条链路，因为它同时经过：

- 前端
- Python 桌面桥接
- Python 自动化执行
- Java 任务系统

下面按真实职责来拆。

### 1. 用户在前端选择文件

用户打开删除品牌页面后，前端并不会直接访问浏览器文件系统，而是通过 `pywebview` 调 Python 暴露的方法：

- 选择 Excel 文件
- 或选择一个文件夹并展开其中的 Excel

这一阶段文件还在用户本地磁盘上。

### 2. Python 先把本地文件上传给 Java

前端拿到本地路径后，会继续通过 `pywebview` 调 Python 的文件上传桥接。

这一步的实际执行者是 Python，不是前端浏览器。Python 会：

1. 按本地路径读取文件
2. 调用 Java 的 `/api/files/upload`
3. 以 `multipart/form-data` 上传
4. 从 Java 换回一个 `fileKey`

这里要注意：

- 这是 `Python -> Java`
- 传的是源文件
- 目的是让 Java 后续能基于 `fileKey` 找到文件

### 3. 前端要求 Java 创建“删除品牌任务”

文件上传完成后，前端调用 Java 的删除品牌运行接口。

Java 在这一阶段做的事情不是“真的去删店铺里的 SKU”，而是：

1. 根据 `fileKey` 找到上传文件
2. 解析删除品牌 Excel
3. 按国家和 ASIN 组织数据
4. 尝试匹配对应店铺
5. 创建 `taskId` 和结果记录
6. 把可执行项返回给前端

这一阶段可以理解成：

- Java 负责建模和建任务
- Python 还没有开始自动化执行

### 4. 前端把“可执行项”推入 Python 本地队列

删除品牌不是由 Java 主动发起 Python 执行的，而是前端把某个任务项再推给 Python。

这一步通过 `pywebview` 暴露的 `enqueue_json()` 完成，前端会构造一个类似下面的 payload：

- `type: delete-brand-run`
- `taskId`
- `items`

然后交给 Python。

重要区分：

- 这一步不是 Java 队列
- 这是 Python 本地进程内队列
- 当前仓库里对应的是 `JSON_TASK_QUEUE`

### 5. Python 的任务监听器开始消费队列

Python 侧有一个任务监听器持续盯着 `JSON_TASK_QUEUE`。

当它收到 `delete-brand-run` 后，会把任务交给线程池，然后按下面的层次处理：

1. 任务
2. 店铺
3. 国家
4. ASIN

同时，Python 会在本地维护当前任务状态，例如：

- 当前店铺
- 当前国家
- 当前 ASIN
- 已处理数量
- 成功/失败计数

这些状态主要服务于 Python 本地执行期，不是前端最终查询任务状态的权威来源。

### 6. Python 自动化驱动紫鸟客户端和浏览器

删除品牌的“真正执行动作”发生在这里。

Python 不会直接操作普通浏览器，而是先和紫鸟客户端通信，再接管浏览器调试口。大致过程是：

1. 连接或启动本机紫鸟客户端
2. 打开指定店铺
3. 切换国家
4. 进入库存/目标页面
5. 搜索 ASIN
6. 删除对应 SKU

所以这一段实际上又分两层：

- `Python -> 紫鸟客户端`：本地 HTTP IPC
- `Python -> 浏览器`：通过调试口/自动化驱动执行页面操作

### 7. Python 一边执行，一边把结果分片回传给 Java

这条链路的关键点在这里：

- Python 不是等整个任务做完再一次性提交结果
- 而是每处理完一部分，就立刻回传给 Java

删除品牌这里通常是按 ASIN 逐步回传。

回传方式：

- `Python -> Java`
- `Content-Type: application/json`
- 接口：`/api/delete-brand/tasks/{taskId}/result`

回传的数据里会包含：

- 当前文件标识
- `chunkIndex`
- `chunkTotal`
- 当前国家
- 当前 ASIN
- 当前累计进度
- 本次处理结果

因此，删除品牌这条线里 Python 到 Java 有两种传输：

1. 源文件上传：`multipart/form-data`
2. 执行结果回传：`application/json`

### 8. Java 负责接收分片、缓存进度、判断是否可以完结

Java 收到 Python 的结果分片后，不会简单地“收一条写一条最终结果”，而是会先做任务系统层面的处理：

1. 校验 `taskId`
2. 校验分片对应的文件身份
3. 过滤重复分片
4. 将结果分片缓存起来
5. 更新实时进度
6. 判断某个文件的分片是否收齐
7. 判断整个任务是否达到 finalize 条件

这一步说明 Java 才是“任务状态和最终结果”的权威系统。

### 9. Java 在分片收齐后生成最终结果

当 Java 发现所有需要的结果分片都已收齐时，会执行最终组装：

1. 合并分片
2. 重建最终结果数据
3. 生成结果 Excel
4. 上传 OSS
5. 更新任务状态
6. 写入结果记录

如果这一步成功，任务会变成 `SUCCESS`；否则会进入 `FAILED`。

### 10. 前端轮询 Java，不轮询 Python

前端展示任务状态时，查询对象是 Java，而不是 Python 本地队列。

前端主要关心的是：

- 任务详情
- 批量进度
- 下载地址

也就是说：

- Python 负责执行
- Java 负责对前端提供任务状态与结果

### 11. 前端最终通过 Java 下载结果，再交给 Python 保存到本地

任务成功后，前端拿到 Java 下载地址，然后再通过 `pywebview` 调 Python 的保存能力，把文件落回用户本地磁盘。

所以最后一步仍然是混合协作：

- 下载来源是 Java
- 本地保存能力来自 Python 桌面桥接

## 这条例子可以类比到哪些模块

删除品牌不是孤例，它更像当前仓库自动化任务的代表模式。

同类模式至少还能看到这些任务类型：

- `delete-brand-run`
- `product-risk-resolve-run`
- `shop-match-run`
- `price-track`

它们的共性通常是：

1. 前端先建任务
2. Python 负责本地自动化执行
3. Java 负责任务状态、结果缓存和最终输出

因此，理解删除品牌这条线之后，再看商品风险、店铺匹配、跟价等模块会容易很多。

## 接手时最容易踩的坑

### 不要把 `enqueue_json()` 当成 Java 队列

它是前端调 Python 的本地桥接，进入的是 Python 进程内队列，不是 Java 消息系统。

### 不要把 `new_web_source/` 当成首选源码目录

它更像构建产物输出，首选还是看 `frontend-vue/`。

### 不要默认 `source_code/` 和 `backend/` 仍是当前主线

这两个目录有参考价值，但从当前结构看，不应先于 `app/`、`backend-java/`、`frontend-vue/` 阅读。

### 不要把 Python 当成最终任务状态来源

Python 负责执行期状态；前端面向用户看到的任务状态、历史、下载结果，当前主权在 Java。

## 当前文档的边界

这份 README 基于当前仓库的静态分析整理，有几个边界需要明确：

- 没有运行仓库程序做启动验证
- 没有确认最终发布时到底启用哪一个入口
- 对 `source_code/`、`backend/` 的判断是“更像旧线/残留”，不是运行态绝对结论

所以这份文档的目标不是提供启动手册，而是帮助接手开发者先建立正确的系统地图。

## 一句话结论

理解这个仓库最有效的方式不是按语言分开看，而是按职责看：

- Python 负责桌面壳、本地桥接、自动化执行
- Java 负责任务系统、结果系统、下载系统
- Vue 负责工具页交互和任务发起

而“删除品牌自动化”正好把这三层的协作关系完整串了起来。