MovieLog_Server/fetch_movie.php

<?php
// ============================================
// 文件: fetch_movie.php (豆瓣版)
// 说明: 根据片名从豆瓣抓取电影信息，并把海报下载入库。
//       豆瓣对中文片名的收录最全（国产片 / 剧集 / 老片 / 冷门片都有），
//       英文片名同样可以命中（豆瓣会把英文名归到对应中文条目，如 Inception → 盗梦空间）。
//
// 数据来源（均为公开网页接口，非官方 API）：
//   1) 搜索   https://movie.douban.com/j/subject_suggest?q=片名
//   2) 详情   https://m.douban.com/rexxar/api/v2/movie/<id>
//   3) 海报   https://imgN.doubanio.com/...（需带 Referer）
//
// 用法（三种模式，均需登录）:
//   1) ?q=片名[&old_poster=键]   按片名搜索 → 取详情 → 下载海报入库
//   2) ?id=豆瓣条目id[&old_poster=键]
//                                跳过搜索，直接取该条目详情（下拉选中后用它，
//                                既省一次搜索，也避免「再搜一次选错条目」）
//   3) ?action=suggest&q=关键词   只返回候选列表，不取详情、不下载海报、不写任何文件
//   4) ?action=thumb&u=<图片地址> 代理豆瓣缩略图（豆瓣图片有防盗链，浏览器直连会 403）
//
// 返回: JSON  1/2 成功 -> { ok, source, title, year, genre, runtime, director,
//                           actors, plot, rating, country, alias,
//                           poster, poster_key, douban_id, douban_url }
//             3 成功 -> { ok, items: [ { id, title, sub_title, year,
//                                        episode, kind, thumb } ] }
//             4 成功 -> 直接回吐图片字节（Content-Type: image/*）
//             失败   -> { error: "..." }
//
// 说明:
//   - poster     是给 <img> 预览用的地址（已落盘，走本站同源或存储直链）
//   - poster_key 是提交表单时应写入 movies.poster_path 的存储键
//   - 每次抓取都会把海报下载到 uploads/posters/，因此重复点击需要清理上一张
//     （前端把上一张的键回传为 old_poster，由本接口删除，避免堆积垃圾文件）
//   - action=suggest / action=thumb 都**不写任何文件**，可安全地随输入频繁调用
//   - 网页接口地址可用环境变量覆盖，便于本地 mock 测试：
//       MOVIELOG_DOUBAN_SEARCH / MOVIELOG_DOUBAN_DETAIL / MOVIELOG_DOUBAN_DETAIL_REF
//       MOVIELOG_DOUBAN_IMG_ALLOW（仅测试用，逗号分隔的完整来源白名单）
// ============================================

require_once __DIR__ . '/config.php';

header('Content-Type: application/json; charset=utf-8');

// 移动端 UA：豆瓣的移动端接口（rexxar）对移动端 UA 正常返回，
// 桌面 UA 打 PC 详情页会被反爬 302，因此统一用移动端 UA。
define('DOUBAN_UA', 'Mozilla/5.0 (iPhone; CPU iPhone OS 16_0 like Mac OS X) '
    . 'AppleWebKit/605.1.15 (KHTML, like Gecko) Version/16.0 Mobile/15E148 Safari/604.1');

// ---------------- 基础工具 ----------------

function fetchFail($msg, $http = 200) {
    if ($http !== 200) {
        http_response_code($http);
    }
    echo json_encode(['error' => $msg], JSON_UNESCAPED_UNICODE);
    exit;
}

// 发起一次 GET 请求，返回 [ok, http, body, err]
function httpGet($url, $referer = '', $accept = '') {
    $headers = [];
    if ($referer !== '') $headers[] = 'Referer: ' . $referer;
    if ($accept  !== '') $headers[] = 'Accept: ' . $accept;

    $ch = curl_init();
    curl_setopt_array($ch, [
        CURLOPT_URL            => $url,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_FOLLOWLOCATION => true,
        CURLOPT_MAXREDIRS      => 3,
        CURLOPT_CONNECTTIMEOUT => 8,
        CURLOPT_TIMEOUT        => 15,
        CURLOPT_USERAGENT      => DOUBAN_UA,
        CURLOPT_HTTPHEADER     => $headers,
        CURLOPT_ENCODING       => '',      // 自动协商并解压 gzip
        CURLOPT_SSL_VERIFYPEER => true,    // 服务器已配置 CA 束，开启证书校验
        CURLOPT_SSL_VERIFYHOST => 2,
    ]);
    $body = curl_exec($ch);
    $http = (int)curl_getinfo($ch, CURLINFO_HTTP_CODE);
    $err  = curl_error($ch);
    // 不调用 curl_close()：PHP 8.0 起句柄由 GC 回收，该函数自 8.5 起被标记 deprecated。
    // 一旦调用，8.5 会往输出里插一行 Deprecated 警告，把本接口的 JSON 响应污染成
    // 「警告 + JSON」，前端 JSON.parse 直接失败 —— 联想功能就是因此挂掉的。

    if ($body === false) {
        return ['ok' => false, 'http' => $http, 'body' => '', 'err' => $err ?: '请求失败'];
    }
    if ($http < 200 || $http >= 300) {
        return ['ok' => false, 'http' => $http, 'body' => (string)$body, 'err' => 'HTTP ' . $http];
    }
    return ['ok' => true, 'http' => $http, 'body' => (string)$body, 'err' => ''];
}

function getJson($url, $referer = '') {
    $res = httpGet($url, $referer, 'application/json');
    if (!$res['ok']) {
        return ['ok' => false, 'err' => $res['err'], 'data' => null];
    }
    $data = json_decode($res['body'], true);
    if (!is_array($data)) {
        return ['ok' => false, 'err' => '返回内容不是合法 JSON（可能被反爬拦截）', 'data' => null];
    }
    return ['ok' => true, 'err' => '', 'data' => $data];
}

// 接口地址支持用环境变量覆盖，便于本地用 mock 服务做端到端测试
function doubanSearchEndpoint($q) {
    $base = getenv('MOVIELOG_DOUBAN_SEARCH');
    $base = $base ? rtrim($base, '/') : 'https://movie.douban.com/j/subject_suggest';
    return $base . '?q=' . rawurlencode($q);
}

function doubanDetailEndpoint($id) {
    $base = getenv('MOVIELOG_DOUBAN_DETAIL');
    $base = $base ? rtrim($base, '/') : 'https://m.douban.com/rexxar/api/v2/movie';
    return $base . '/' . rawurlencode($id);
}

function doubanDetailReferer($id) {
    $ref = getenv('MOVIELOG_DOUBAN_DETAIL_REF');
    return $ref ? $ref : ('https://m.douban.com/movie/subject/' . rawurlencode($id) . '/');
}

// 规范化片名用于匹配：去空白、去常见标点、转小写
function normalizeTitle($s) {
    $s = (string)$s;
    $s = preg_replace('/[\s\x{3000}]+/u', '', $s);
    $s = str_replace(['，', ',', '。', '·', '・', '：', ':', '！', '!', '？', '?', '、', '《', '》'], '', $s);
    return function_exists('mb_strtolower') ? mb_strtolower($s, 'UTF-8') : strtolower($s);
}

// 从搜索候选里挑出最可能的那一条：同名优先、有海报优先、有年份优先
function pickCandidate(array $list, $q) {
    $qNorm = normalizeTitle($q);
    $best = null;
    $bestScore = -1;
    foreach ($list as $item) {
        if (!is_array($item) || empty($item['id'])) continue;
        $type = isset($item['type']) ? (string)$item['type'] : 'movie';
        if (in_array($type, ['celebrity', 'person', 'actor', 'director'], true)) continue;

        $title = isset($item['title']) ? (string)$item['title'] : '';
        $sub   = isset($item['sub_title']) ? (string)$item['sub_title'] : '';

        $score = 0;
        if ($title !== '' && normalizeTitle($title) === $qNorm) $score += 5;
        if ($sub   !== '' && normalizeTitle($sub)   === $qNorm) $score += 5;
        if (!empty($item['img']))  $score += 2;   // 有海报
        if (!empty($item['year'])) $score += 1;   // 有年份，更像正式条目

        if ($best === null || $score > $bestScore) {
            $best = $item;
            $bestScore = $score;
        }
    }
    return $best;
}

// 把若干「名字对象」拼成字符串，如 [{'name':'饺子'}] -> '饺子'
function joinNames($list, $limit = 0) {
    if (!is_array($list)) return '';
    $names = [];
    foreach ($list as $it) {
        if (is_array($it) && !empty($it['name'])) {
            $names[] = (string)$it['name'];
        } elseif (is_string($it) && $it !== '') {
            $names[] = $it;
        }
    }
    if ($limit > 0) {
        $names = array_slice($names, 0, $limit);
    }
    return implode(' / ', $names);
}

// 把字符串数组拼成 ' / ' 分隔的字符串
function joinList($list, $limit = 0) {
    if (!is_array($list)) return '';
    $vals = [];
    foreach ($list as $v) {
        if (is_string($v) && $v !== '') $vals[] = $v;
        elseif (is_scalar($v) && (string)$v !== '') $vals[] = (string)$v;
    }
    if ($limit > 0) {
        $vals = array_slice($vals, 0, $limit);
    }
    return implode(' / ', $vals);
}

function extForMime($mime) {
    $map = [
        'image/jpeg' => 'jpg',
        'image/png'  => 'png',
        'image/gif'  => 'gif',
        'image/webp' => 'webp',
    ];
    return isset($map[$mime]) ? $map[$mime] : 'jpg';
}

// 按魔数判断图片类型；不是已知图片则返回空串。
// 兜底用：既应对「环境没有 fileinfo」，也用来挡掉反爬返回的 HTML 页面。
function imageMimeFromMagic($binary) {
    if (strncmp($binary, "\xFF\xD8\xFF", 3) === 0) return 'image/jpeg';
    if (strncmp($binary, "\x89PNG\r\n\x1A\n", 8) === 0) return 'image/png';
    if (strncmp($binary, "GIF87a", 6) === 0 || strncmp($binary, "GIF89a", 6) === 0) return 'image/gif';
    if (strlen($binary) >= 12 && substr($binary, 0, 4) === 'RIFF' && substr($binary, 8, 4) === 'WEBP') {
        return 'image/webp';
    }
    return '';
}

// ---------- 图片地址白名单 ----------
//
// action=thumb 是「服务端代取」，如果放任它取任意 URL 就成了 SSRF 跳板。
// 因此这里对地址做严格白名单：只允许豆瓣图片 CDN（img*.doubanio.com）下的图片路径。
//
// MOVIELOG_DOUBAN_IMG_ALLOW 是给本地端到端测试留的口子：只有运维显式设置它
// （逗号分隔的完整来源，如 "http://127.0.0.1:8198"）才生效，用来把 mock 服务放行。
// 默认不设置时行为与纯豆瓣白名单完全一致。
function doubanImageAllowedOrigins() {
    $raw = getenv('MOVIELOG_DOUBAN_IMG_ALLOW');
    if (!$raw) return [];
    $out = [];
    foreach (explode(',', $raw) as $o) {
        $o = rtrim(trim($o), '/');
        if ($o !== '') $out[] = $o;
    }
    return $out;
}

function originOfUrl(array $p) {
    $scheme = isset($p['scheme']) ? strtolower($p['scheme']) : '';
    $host   = isset($p['host']) ? strtolower($p['host']) : '';
    if ($scheme === '' || $host === '') return '';
    $port = isset($p['port']) ? ':' . $p['port'] : '';
    return $scheme . '://' . $host . $port;
}

function validateDoubanImageUrl($url) {
    if (!is_string($url) || $url === '') return false;
    $p = parse_url($url);
    if (!$p || empty($p['host']) || empty($p['path'])) return false;

    $origin = originOfUrl($p);
    foreach (doubanImageAllowedOrigins() as $allowed) {
        if ($origin !== '' && strcasecmp($origin, strtolower($allowed)) === 0) return true;
    }

    if (($p['scheme'] ?? '') !== 'https') return false;
    if (!preg_match('/^img\d*\.doubanio\.com$/i', $p['host'])) return false;
    if (!preg_match('#^/view/photo/[A-Za-z0-9_/]+\.(?:jpg|jpeg|png|webp)$#i', $p['path'])) return false;
    return true;
}

// 把豆瓣图片地址转成「本站代理地址」。不能把豆瓣地址直接交给 <img>：
// 豆瓣图片有防盗链，浏览器直连一律 403（本站 Referrer-Policy: same-origin，
// 跨域图片不带 Referer，同样被拒）。
function thumbProxyUrl($img) {
    if (!validateDoubanImageUrl($img)) return '';
    return 'fetch_movie.php?action=thumb&u=' . rawurlencode($img);
}

// 判断候选是电影还是剧集：豆瓣的 suggest 里两者 type 都是 "movie"，
// 只能靠 episode（集数）区分——有集数就是剧集。
function doubanKindLabel($type, $episode) {
    if ((int)$episode > 1) return '剧集';
    if ($type === '' || $type === 'movie') return '电影';
    return (string)$type;
}

// 把 suggest 的原始结果整理成前端下拉要用的字段（过滤影人、去重、限量）
function buildSuggestItems(array $list, $limit = 8) {
    $items = [];
    $seen = [];
    foreach ($list as $it) {
        if (!is_array($it) || empty($it['id'])) continue;
        $type = isset($it['type']) ? (string)$it['type'] : 'movie';
        if (in_array($type, ['celebrity', 'person', 'actor', 'director'], true)) continue;

        $id = (string)$it['id'];
        if (isset($seen[$id])) continue;
        $seen[$id] = true;

        $img     = isset($it['img']) ? (string)$it['img'] : '';
        $episode = isset($it['episode']) ? (string)$it['episode'] : '';

        $items[] = [
            'id'        => $id,
            'title'     => isset($it['title']) ? (string)$it['title'] : '',
            'sub_title' => isset($it['sub_title']) ? (string)$it['sub_title'] : '',
            'year'      => isset($it['year']) ? (string)$it['year'] : '',
            'episode'   => $episode,
            'kind'      => doubanKindLabel($type, $episode),
            'thumb'     => $img !== '' ? thumbProxyUrl($img) : '',
        ];
        if (count($items) >= $limit) break;
    }
    return $items;
}

// 删除上一次抓取但未被采用的海报。
// 只删 uploads/posters/ 下的文件，且必须确认没有任何电影记录引用它，才动手。
function cleanupOldPoster($key) {
    $key = ltrim((string)$key, '/');
    if (!preg_match('#^uploads/posters/[A-Za-z0-9._-]+$#', $key)) return;
    try {
        $db = getDB();
        $stmt = $db->prepare("SELECT COUNT(*) FROM movies WHERE poster_path = ?");
        $stmt->execute([$key]);
        if ((int)$stmt->fetchColumn() > 0) return;   // 已被引用，不能删
    } catch (Exception $e) {
        return;                                       // 查询失败就保守地不删
    }
    storageDelete($key);
}

// 下载海报并入库，返回存储键（失败返回空串）
function storeRemotePoster($url) {
    if (!is_string($url) || $url === '') return '';
    // 豆瓣图片服务器要求带 Referer，否则 403
    $res = httpGet($url, 'https://movie.douban.com/');
    if (!$res['ok'] || $res['body'] === '') return '';

    $binary = $res['body'];
    // 海报通常几十 KB；给个上限，避免异常响应把内存吃满
    if (strlen($binary) > 12 * 1024 * 1024) return '';

    $mime = storageMimeFromContents($binary);
    if (strpos($mime, 'image/') !== 0) {
        // 环境无 fileinfo，或返回的不是图片（比如被反爬拦成 HTML 页面）
        $mime = imageMimeFromMagic($binary);
        if ($mime === '') return '';
    }

    $filename = fingerprintedFilename($binary, extForMime($mime), 'poster');
    $key = relPathOfDir(POSTER_DIR) . $filename;
    if (!storagePutContents($binary, $key, $mime)) return '';
    return $key;
}

// ---------------- 主流程 ----------------

// 本接口会写入存储（下载海报），必须登录后才能调用。
// 这里不用 checkLogin()（它会 302 到 login.php），而是返回结构化错误，
// 便于前端在会话过期时给出明确提示。
if (!isset($_SESSION['admin_id'])) {
    fetchFail('未登录或登录已过期，请重新登录后再试', 401);
}

$action = isset($_GET['action']) ? (string)$_GET['action'] : '';

// ---- 模式 3：片名候选列表（供下拉联想；只读，不取详情、不写任何文件）----
if ($action === 'suggest') {
    $kw = isset($_GET['q']) ? trim((string)$_GET['q']) : '';
    if ($kw === '') {
        echo json_encode(['ok' => true, 'items' => []], JSON_UNESCAPED_UNICODE);
        exit;
    }
    $res = getJson(doubanSearchEndpoint($kw));
    if (!$res['ok']) {
        fetchFail('搜索失败：' . $res['err']);
    }
    $list = is_array($res['data']) ? $res['data'] : [];
    echo json_encode(
        ['ok' => true, 'items' => buildSuggestItems($list)],
        JSON_UNESCAPED_UNICODE
    );
    exit;
}

// ---- 模式 4：代理豆瓣缩略图 ----
// 浏览器不能直连豆瓣图片（防盗链，见 validateDoubanImageUrl 注释），只能由服务端代取。
// 只读、不落盘；配 Cache-Control 让浏览器缓存，重复展开下拉不再回源。
if ($action === 'thumb') {
    $u = isset($_GET['u']) ? (string)$_GET['u'] : '';
    if (!validateDoubanImageUrl($u)) {
        http_response_code(400);
        exit;
    }
    $res = httpGet($u, 'https://movie.douban.com/');
    $binary = $res['ok'] ? $res['body'] : '';
    if ($binary === '') {
        http_response_code(404);
        exit;
    }
    $mime = storageMimeFromContents($binary);
    if (strpos($mime, 'image/') !== 0) {
        $mime = imageMimeFromMagic($binary);   // 环境无 fileinfo、或返回的不是图片
    }
    if ($mime === '') {
        http_response_code(404);
        exit;
    }
    header('Content-Type: ' . $mime);                  // 覆盖开头设的 JSON 类型
    header('Content-Length: ' . strlen($binary));
    header('Cache-Control: public, max-age=86400');
    echo $binary;
    exit;
}

if ($action !== '') {
    fetchFail('不支持的 action：' . $action);
}

// ---- 模式 1/2：抓取详情 + 下载海报入库 ----
$q  = isset($_GET['q']) ? trim((string)$_GET['q']) : '';
$id = isset($_GET['id']) ? trim((string)$_GET['id']) : '';
if ($q === '' && $id === '') {
    fetchFail('请输入电影名称');
}

$oldPoster = isset($_GET['old_poster']) ? trim((string)$_GET['old_poster']) : '';

// $cand 供后续取标题/年份/海报兜底；走 id 直连时没有搜索候选，留空数组即可
$cand = [];
if ($id !== '') {
    // 模式 2：下拉选中后直接按条目 id 取详情——省一次搜索，也避免「再搜一次选错条目」
    if (!preg_match('/^\d{1,12}$/', $id)) {
        fetchFail('无效的豆瓣条目 ID');
    }
} else {
    // 模式 1：按片名搜索
    $search = getJson(doubanSearchEndpoint($q));
    if (!$search['ok']) {
        fetchFail('搜索失败：' . $search['err']);
    }
    $list = is_array($search['data']) ? $search['data'] : [];
    if (empty($list)) {
        fetchFail('豆瓣没有找到「' . $q . '」，换个更准确的片名试试');
    }
    $picked = pickCandidate($list, $q);
    if (!$picked || empty($picked['id'])) {
        fetchFail('豆瓣没有找到「' . $q . '」的影视条目，换个更准确的片名试试');
    }
    $cand = $picked;
    $id   = (string)$picked['id'];
}

// 2) 详情
$detail = getJson(doubanDetailEndpoint($id), doubanDetailReferer($id));
if (!$detail['ok']) {
    fetchFail('获取详情失败：' . $detail['err']);
}
$d = $detail['data'];

// 3) 组装字段
$title = isset($d['title']) && $d['title'] !== '' ? (string)$d['title'] : (string)($cand['title'] ?? $q);
$year  = isset($d['year']) && $d['year'] !== '' ? (string)$d['year'] : (string)($cand['year'] ?? '');

$rating = '';
if (isset($d['rating']) && is_array($d['rating']) && isset($d['rating']['value'])) {
    $rv = (float)$d['rating']['value'];
    if ($rv > 0) $rating = number_format($rv, 1, '.', '');
}

// 海报地址优先级：详情 pic.normal（大图）> cover_url > 搜索结果的缩略图
$posterUrl = '';
if (isset($d['pic']['normal']) && $d['pic']['normal'] !== '') {
    $posterUrl = (string)$d['pic']['normal'];
} elseif (isset($d['cover_url']) && $d['cover_url'] !== '') {
    $posterUrl = (string)$d['cover_url'];
} elseif (!empty($cand['img'])) {
    $posterUrl = (string)$cand['img'];
}

// 4) 海报入库
$posterKey = '';
$posterDisplay = '';
if ($posterUrl !== '') {
    $posterKey = storeRemotePoster($posterUrl);
    if ($posterKey !== '') {
        $posterDisplay = storageUrl($posterKey);
    }
}
// 无论海报是否成功，都把上一次的残留清掉（若这次成功，old 与 new 不同名）
if ($oldPoster !== '' && $oldPoster !== $posterKey) {
    cleanupOldPoster($oldPoster);
}

// 5) 输出
echo json_encode([
    'ok'              => true,
    'source'          => 'douban',
    'douban_id'       => $id,
    'douban_url'      => 'https://movie.douban.com/subject/' . $id . '/',
    'title'           => $title,
    'original_title'  => isset($d['original_title']) ? (string)$d['original_title'] : '',
    'year'            => $year,
    'genre'           => joinList($d['genres'] ?? []),
    'runtime'         => joinList($d['durations'] ?? []),
    'director'        => joinNames($d['directors'] ?? []),
    'actors'          => joinNames($d['actors'] ?? [], 6),
    'plot'            => isset($d['intro']) ? (string)$d['intro'] : '',
    'rating'          => $rating,
    'country'         => joinList($d['countries'] ?? []),
    'alias'           => joinList($d['aka'] ?? [], 3),
    'poster'          => $posterDisplay,
    'poster_key'      => $posterKey,
], JSON_UNESCAPED_UNICODE);