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“patrol-delete”看懂最近新增的自动化链路

从最近的提交看，patrol-delete 是当前最新落地的一条自动化模块。它同样同时经过：

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

但它和“删除品牌”有一个关键差别：

• delete-brand 更偏“本地 Excel 文件驱动”
• patrol-delete 更偏“店铺输入 + 任务模板 + 串行自动化执行”

如果你想快速理解当前新增自动化功能的开发方式，优先看这条线更合适。

下面按职责来拆。

1. 用户先在前端输入店铺，并加入备选区

用户打开 patrol-delete 页面后，不是先选本地文件，而是：

• 输入店铺名
• 将店铺加入备选区
• 勾选要处理的店铺
• 点击“匹配店铺”

这一阶段前端的核心职责是收集“要处理哪个店铺”。

2. 前端先让 Java 做店铺匹配

前端不会直接把“店铺名”交给 Python 执行，而是先调用 Java 的匹配接口。

Java 在这一阶段负责：

1. 根据店铺名查索引
2. 判断是否能命中店铺
3. 返回 shopId、平台、公司、匹配状态等信息

这里要注意：

• 这是 frontend -> Java
• 目的是先把“可执行店铺”筛出来
• Python 还没有开始实际自动化

3. 前端要求 Java 创建“patrol-delete 任务”

匹配通过后，前端调用 Java 的建任务接口。

Java 在这一阶段做的事情也不是“立刻去删商品”，而是：

1. 接收店铺与模板结构
2. 创建 taskId
3. 创建结果记录
4. 返回当前任务项的初始数据给前端

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

patrol-delete 不是由 Java 主动调用 Python，而是前端把任务 payload 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: patrol-delete-run
• taskId
• user_id
• items
• template_rows
• country_sections
• cart_ratios

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。

按 patrol-delete 这条链路的设计，Python 拿到任务后会按店铺串行执行，再在店铺内部做页面自动化。

这一层的职责重点是：

1. 根据 taskId 和店铺信息定位当前任务
2. 串行执行当前店铺，避免多个店铺同时抢本地浏览器环境
3. 按模板结构产出各国家的删除结果与购物车比例
4. 在执行过程中持续回传 Java

同时，Python 会在本地维护当前任务状态，例如：

• 当前店铺
• 当前步骤
• 已完成/失败数量
• 是否需要继续下一个店铺

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

patrol-delete 的“真正执行动作”也发生在这里。

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. 进入需要巡店/删除的目标页面
4. 根据模板中的国家块、状态和数量条件读取页面数据
5. 找到符合删除条件的商品
6. 执行删除并整理结果

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

patrol-delete 这里是按“店铺结果分片”回传，更强调：

• shopName
• submissionId
• chunkIndex
• chunkTotal
• shopDone
• countrySections
• cartRatios
• error

回传方式：

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

回传的数据里会包含：

• 当前店铺标识
• chunkIndex
• chunkTotal
• 该店铺当前片段的国家结果
• 购物车比例
• 当前片段是否已结束
• 失败时的错误信息

因此，patrol-delete 这条线里更核心的是一类传输：

1. 执行结果回传：application/json

它不依赖“先上传本地 Excel 文件”这个前置动作。

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. 按 taskId + shopName 聚合店铺结果
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. 判断某个店铺是否已 shopDone
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

patrol-delete 不是孤例，它更像当前仓库最近新增自动化模块的代表模式。

同类模式至少还能看到这些任务类型：

• patrol-delete-run
• 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

其中：

• patrol-delete 更适合理解“店铺驱动 + 模板驱动”的新链路
• delete-brand 更适合理解“本地文件上传 + 文件解析驱动”的旧链路

理解这两条线之后，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

其中，“删除品牌自动化”更适合帮助你理解旧的文件驱动链路；当前最新落地的 patrol-delete，则更适合当作你理解新增自动化功能的第一条例子。