# -*- coding: UTF-8 -*-
'''
@Project :domainScanDemo
@File    :aizhan.py
@IDE     :PyCharm
@Author  :梦伴
@Date    :2026/3/29 20:59
@explain : 爱站网域名查询工具 - 获取域名的网站标题信息
'''

import re  # 正则表达式模块，用于从HTML中提取网站标题

import requests  # HTTP请求库，用于发送网络请求
from loguru import logger  # 日志记录模块，用于记录程序运行日志

from typing import List, Optional  # 类型提示


def check_aizhan(domain: str, sensitive_words: Optional[List[str]] = None, proxies: dict = None):
    '''
    查询域名的网站标题信息是否存在敏感词
    
    通过爱站网（aizhan.com）查询域名的网站标题
    
    :param domain: 待查询的域名（如：www.baidu.com，不带协议头）
    :param proxies: 代理配置（如：{'http': 'http://127.0.0.1:7890', 'https': 'http://127.0.0.1:7890'}
    :return: str - 网站标题字符串，如果查询失败则返回空字符串
    '''
    # 初始化敏感词列表
    if sensitive_words is None:
        sensitive_words = []

    # 构建爱站网查询URL
    # 格式：https://www.aizhan.com/cha/{域名}/
    url = f'https://www.aizhan.com/cha/{domain}/'

    # 构建HTTP请求头（模拟浏览器访问）
    headers = {
        'Accept': '*/*',  # 接受所有类型的内容
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/146.0.0.0 Safari/537.36 Edg/146.0.0.0',
        # 用户代理（浏览器标识）
        'Referer': url,  # 来源页面（防盗链）
        'host': 'www.aizhan.com',  # 目标主机地址
    }

    # 添加重试机制
    max_retries = 3
    for retry in range(max_retries):
        try:
            # 发送GET请求获取页面内容
            # url: 请求URL
            # headers: HTTP请求头
            # timeout=10: 设置超时时间10秒
            # proxies: 代理配置（如需使用代理）
            response = requests.get(url, headers=headers, timeout=10, proxies=proxies)

            # 判断请求是否成功（HTTP 200表示成功）
            if response.status_code == 200:
                # 使用正则表达式提取网站标题
                # 正则解释：匹配 id="webpage_title"> 开头，</div> 结尾，中间的内容
                # 匹配模式：id="webpage_title">标题内容</div>
                # ([^<]+) 表示匹配一个或多个非<字符，作为捕获组
                match = re.search(r'id="webpage_title">([^<]+)</div>', response.text)

                # 如果找到匹配则返回标题文本，否则返回空字符串
                title = match.group(1) if match else ''
                if title:
                    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, title, re.IGNORECASE):
                            logger.warning(f'检测到敏感词: {sensitive_word} 在结果: {title}')
                            return False, f'检测到敏感词: {sensitive_word} 在结果: {title}'
                return True, title

            # 请求失败，继续重试
            logger.warning(f"爱站网检测第{retry+1}次失败: {domain}, 状态码: {response.status_code}")
            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('爱站网检测失败，尝试不使用代理')
                    try:
                        response = requests.get(url, headers=headers, timeout=10, proxies=None)
                        if response.status_code == 200:
                            match = re.search(r'id="webpage_title">([^<]+)</div>', response.text)
                            title = match.group(1) if match else ''
                            if title:
                                for sensitive_word in sensitive_words:
                                    if re.search(sensitive_word, title, re.IGNORECASE):
                                        logger.warning(f'检测到敏感词: {sensitive_word} 在结果: {title}')
                                        return False, f'检测到敏感词: {sensitive_word} 在结果: {title}'
                            return True, title
                        return True, ''
                    except Exception as e2:
                        logger.error(f"不使用代理的爱站网检测也失败: {domain}, 错误: {e2}")
                        return False, str(e2)
                return True, ''

        except Exception as e:  # 捕获所有异常（网络错误、超时等）
            logger.warning(f"爱站网检测第{retry+1}次失败: {domain}, 错误: {e}")
            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('爱站网检测失败，尝试不使用代理')
                    try:
                        response = requests.get(url, headers=headers, timeout=10, proxies=None)
                        if response.status_code == 200:
                            match = re.search(r'id="webpage_title">([^<]+)</div>', response.text)
                            title = match.group(1) if match else ''
                            if title:
                                for sensitive_word in sensitive_words:
                                    if re.search(sensitive_word, title, re.IGNORECASE):
                                        logger.warning(f'检测到敏感词: {sensitive_word} 在结果: {title}')
                                        return False, f'检测到敏感词: {sensitive_word} 在结果: {title}'
                            return True, title
                        return True, ''
                    except Exception as e2:
                        logger.error(f"不使用代理的爱站网检测也失败: {domain}, 错误: {e2}")
                        return False, str(e2)
                return False, str(e)

# # ========================= 【测试代码】 =========================
# if __name__ == '__main__':
#     # 测试用例1：查询常见域名
#     logger.info("=== 测试爱站网查询 ===")
#     test_domain_1 = 'baidu.com'
#     logger.info(f"查询域名: {test_domain_1}")
#
#     result_1 = check_aizhan(test_domain_1)
#     logger.info(f"网站标题: {result_1}")
#     logger.info("")
#
#     # 测试用例2：查询另一个域名
#     logger.info("=== 测试查询QQ域名 ===")
#     test_domain_2 = 'qq.com'
#     logger.info(f"查询域名: {test_domain_2}")
#
#     result_2 = check_aizhan(test_domain_2)
#     logger.info(f"网站标题: {result_2}")
#     logger.info("")
#
#
#
#     # 测试用例4：查询可能不存在的域名
#     logger.info("=== 测试不存在域名 ===")
#     test_domain_4 = 'nonexistentdomain123456.com'
#     logger.info(f"查询域名: {test_domain_4}")
#
#     result_4 = check_aizhan(test_domain_4)
#     logger.info(f"网站标题: {result_4 if result_4 else '(无结果)'}")