# -*- coding: UTF-8 -*-
'''
@Project :domainScanDemo
@File    :c360.py
@IDE     :PyCharm
@Author  :梦伴
@Date    :2026/4/2 15:57
@explain : 360搜索敏感词检测工具 - 检测域名是否包含敏感词
'''

import re  # 正则表达式模块
import requests  # HTTP请求库
from loguru import logger  # 日志记录
from typing import List, Tuple, Optional, Dict  # 类型提示


# 常量定义
SO_SEARCH_URL = 'https://www.so.com/s'  # 360搜索URL
SO_REFERER_TEMPLATE = 'https://www.so.com/s?ie=utf-8&q=site%3A{domain}'  # Referer模板
SEARCH_PATTERN = r'target="_blank">([^<]+)</a></h3>'  # 搜索结果匹配模式
BLOCKED_CODE = 3  # 拦截状态码


def check_domain(
    domain: str,
    sensitive_words: Optional[List[str]] = None,
    proxies: Optional[Dict] = None
) -> Tuple[bool, str]:
    """
    检查域名是否包含敏感词

    通过360搜索获取域名的搜索结果，然后检查搜索结果中是否包含敏感词

    Args:
        domain: 要检测的域名
        sensitive_words: 敏感词列表，如果为None则初始化为空列表
        proxies: 代理配置

    Returns:
        Tuple[bool, str]: (是否通过, 错误信息)
            - True, '': 通过检测，不包含敏感词
            - False, '敏感词：xxx': 包含敏感词，返回具体的敏感词
    """
    # 初始化敏感词列表
    if sensitive_words is None:
        sensitive_words = []

    # 构建请求头
    headers = {
        'Accept': '*/*',  # 接受所有类型
        'Accept-Language': 'zh-cn',  # 中文语言
        'Referer': SO_REFERER_TEMPLATE.format(domain=domain),  # 来源页面
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.87 Safari/537.36',  # 用户代理
        'Host': 'www.so.com',  # 主机名
    }

    # 构建查询参数
    params = {
        'ie': 'utf-8',  # 编码格式
        'q': f'site:{domain}',  # 搜索查询
    }

    # 添加重试机制
    max_retries = 3
    for retry in range(max_retries):
        try:
            # 发送GET请求获取搜索结果
            response = requests.get(
                SO_SEARCH_URL,
                params=params,
                headers=headers,
                proxies=proxies,
                timeout=15  # 增加超时时间到15秒
            )

            # 解析响应内容
            response_html = response.content.decode('utf-8', errors='ignore')

            # 使用正则表达式提取搜索结果
            search_results = re.findall(SEARCH_PATTERN, response_html)

            # 记录搜索结果数量
            logger.info(f'360搜索结果数量: {len(search_results)}')

            # 如果没有搜索结果，直接返回通过
            if not search_results:
                return True, ''

            # 检查每个搜索结果是否包含敏感词
            for result in search_results:
                for sensitive_word in sensitive_words:
                    # 使用正则表达式检查是否包含敏感词
                    if re.search(sensitive_word, result, re.IGNORECASE):
                        logger.warning(f'检测到敏感词: {sensitive_word} 在结果: {result}')
                        return False, f'检测到敏感词: {sensitive_word} 在结果: {result}'

            # 所有搜索结果都不包含敏感词，返回通过
            return True, ''

        except requests.exceptions.Timeout:
            logger.warning(f'360搜索请求第{retry+1}次超时')
            if retry < max_retries - 1:
                import time
                time.sleep(2)  # 等待2秒后重试
            else:
                # 达到最大重试次数，尝试不使用代理
                if proxies:
                    logger.info('360搜索请求超时，尝试不使用代理')
                    try:
                        response = requests.get(
                            SO_SEARCH_URL,
                            params=params,
                            headers=headers,
                            proxies=None,
                            timeout=15
                        )
                        response_html = response.content.decode('utf-8', errors='ignore')
                        search_results = re.findall(SEARCH_PATTERN, response_html)
                        logger.info(f'不使用代理的360搜索结果数量: {len(search_results)}')
                        if not search_results:
                            return True, ''
                        for result in search_results:
                            for sensitive_word in sensitive_words:
                                if re.search(sensitive_word, result, re.IGNORECASE):
                                    logger.warning(f'检测到敏感词: {sensitive_word} 在结果: {result}')
                                    return False, f'检测到敏感词: {sensitive_word} 在结果: {result}'
                        return True, ''
                    except Exception as e:
                        logger.error(f'不使用代理的360搜索请求也失败: {str(e)}')
                        return False, f'360搜索请求超时'
                return False, '360搜索请求超时'
        except requests.exceptions.RequestException as e:
            error_str = str(e)
            logger.warning(f'360搜索请求第{retry+1}次失败: {error_str}')
            # 检查是否是"Too many open files"错误
            if 'Too many open files' in error_str:
                if retry < max_retries - 1:
                    import time
                    time.sleep(2)  # 等待2秒后重试
                else:
                    # 达到最大重试次数，返回failure标记，不拉黑域名
                    logger.error(f'360搜索请求失败，已达到最大重试次数: {error_str}')
                    return True, 'failure'
            else:
                if retry < max_retries - 1:
                    import time
                    time.sleep(2)  # 等待2秒后重试
                else:
                    # 达到最大重试次数，尝试不使用代理
                    if proxies:
                        logger.info('360搜索请求失败，尝试不使用代理')
                        try:
                            response = requests.get(
                                SO_SEARCH_URL,
                                params=params,
                                headers=headers,
                                proxies=None,
                                timeout=15
                            )
                            response_html = response.content.decode('utf-8', errors='ignore')
                            search_results = re.findall(SEARCH_PATTERN, response_html)
                            logger.info(f'不使用代理的360搜索结果数量: {len(search_results)}')
                            if not search_results:
                                return True, ''
                            for result in search_results:
                                for sensitive_word in sensitive_words:
                                    if re.search(sensitive_word, result, re.IGNORECASE):
                                        logger.warning(f'检测到敏感词: {sensitive_word} 在结果: {result}')
                                        return False, f'检测到敏感词: {sensitive_word} 在结果: {result}'
                            return True, ''
                        except Exception as e2:
                            logger.error(f'不使用代理的360搜索请求也失败: {str(e2)}')
                            return False, f'360搜索请求失败: {str(e)}'
                    return False, f'360搜索请求失败: {str(e)}'
        except Exception as e:
            logger.warning(f'360搜索第{retry+1}次未知错误: {str(e)}')
            if retry < max_retries - 1:
                import time
                time.sleep(2)  # 等待2秒后重试
            else:
                return False, f'未知错误: {str(e)}'


# if __name__ == '__main__':
#     # 测试用例
#     test_domain = 'niuniushouka.com'
#     test_sensitive_words = ['赌博', '色情', '暴力','收卡']
#
#     logger.info(f'开始检测域名: {test_domain}')
#     result = check_domain(test_domain, test_sensitive_words)
#     logger.info(f'检测结果: {result}')