feat(3d): konektor naughtymachinima - szoste zrodlo wertykalu

Machinima i animacje SFM/Blender. Kanon nie istnieje tak samo jak przy
hentai i rule34video, wiec kazda pozycja jest orphanem i to poprawne.

Najzdrowsza jednostka tresci calego wertykalu 3D: mediana 289 s, ZERO
pozycji ponizej minuty, 18/25 powyzej progu potoku. Dla porownania
rule34video ma mediane 68 s i traci ~70% katalogu.

Playback najprostszy z serii: jawne <source> w trzech jakosciach, bez
tokenu, bez AJAX-a, bez CF. Zweryfikowane z VPS: 206, ftypisom, 140 MB,
dziala bez Referera, wiec mobile_direct_ok i zero pracy po stronie apki
(inaczej niz rule34video, gdzie token byl IP-bound).

Szosty niezalezny host wertykalu (videos.naughtymachinima.com), zadna
z szesciu stron nie re-hostuje pozostalych.

Odsiewamy pusty <source src=""> (placeholder playera) i preroll
/images/preroll/NMintro.mp4, ktory pasuje do naiwnego \.mp4.

Bramka dlugosci zestrojona z min_ingest_duration_sec, jak przy
rule34video. Pilot 3 strony: seen 48, new 48, skipped 0, errors 0.

app/connectors/direct_scrapers/__init__.py

@@ -51,6 +51,7 @@ from app.connectors.direct_scrapers.kporner8 import KPorner8Scraper
 from app.connectors.direct_scrapers.hentaimama import HentaiMamaScraper
 from app.connectors.direct_scrapers.hentaigasm import HentaiGasmScraper
 from app.connectors.direct_scrapers.hentaiplay import HentaiPlayScraper
+from app.connectors.direct_scrapers.naughtymachinima import NaughtyMachinimaScraper
 from app.connectors.direct_scrapers.rule34video import Rule34VideoScraper
 from app.connectors.direct_scrapers.xanimeporn import XAnimePornScraper
 from app.connectors.direct_scrapers.fullporner import FullPornerScraper
@@ -219,6 +220,9 @@ ALL_BROWSE_SCRAPERS: list[type[BaseBrowseScraper]] = [
     # (hentaiplanet.info). Metadane z RSS-a, bo /genre/ w HTML to 2084 linki chmury,
     # najwiecej w calym wertykale. Playback: mp4 wprost w HTML, bez CF i bez proxy.
     HentaiPlayScraper,
+    # NaughtyMachinimaScraper — dodany 2026-08-13, drugie zrodlo 3D i najzdrowsza
+    # jednostka tresci wertykalu (mediana 289s, zero ponizej minuty).
+    NaughtyMachinimaScraper,
     # Rule34VideoScraper — dodany 2026-08-13, pierwsze zrodlo 3D (SFM/Blender).
     # Bramka >=60s odrzuca ~47% katalogu (mediana 68s), bo apka i tak filtruje
     # ponizej minuty. Tagi TYLKO z class=tag_item, `class=button` to chmura.

app/connectors/direct_scrapers/naughtymachinima.py

@@ -0,0 +1,148 @@
+"""naughtymachinima.com — browse scraper. Szóste źródło wertykału, drugie 3D. Dodany 2026-08-13.
+
+Machinima i animacje SFM/Blender, treść tworzona przez użytkowników. Kanon nie istnieje
+tak samo jak przy hentai i [[rule34video]], więc każda pozycja jest orphanem i to
+poprawne, bez obsady i bez canonical matcha.
+
+**Najzdrowsza jednostka treści z całego wertykału 3D.** Próbka 25 najnowszych: mediana
+289 s, ZERO pozycji poniżej minuty, 18/25 powyżej progu potoku (180 s). Dla porównania
+rule34video ma medianę 68 s i traci ~70% katalogu na krótkich pętlach. Bramkę zostawiamy
+i tak (ten sam `min_ingest_duration_sec` co przy rule34video), żeby `seen` mówiło, ile
+realnie wchodzi, ale tutaj odsiewa tylko ~28%.
+
+**Szósty niezależny host w wertykale**: pliki leżą na `videos.naughtymachinima.com`,
+obok `gdvid.info` ([[hentaimama]]), `download.xanimeporn.com` ([[xanimeporn]]),
+`hgasm<N>.com` ([[hentaigasm]]), `hentaiplanet.info` ([[hentaiplay]]) i `boomio-cdn.com`
+([[rule34video]]). Żadna z tych stron nie re-hostuje pozostałych.
+
+Metadane są czyste, bez chmury z sidebara, która wyskoczyła przy siedmiu poprzednich
+kandydatach: na stronie filmu jest dokładnie 7 anchorów `/tags/` i wszystkie należą do
+filmu (przy „Dreamhawk: The Price Of Joining" są to dreamhawk, aerith gainsborough,
+don corneo). Mimo to trzymamy się `class="tag"`, żeby ewentualna przebudowa szablonu
+nie wciągnęła nam nawigacji.
+
+**Autora (`/user/`) zapisujemy jako studio**, tak samo jak przy rule34video: dla animacji
+to wytwórca, a nie performer.
+
+Paginacja `/videos?page=N` jest chronologiczna, strony 1, 2 i 3 mają zerowe pokrycie.
+
+Playback: jawne `<source>` bez tokenu, patrz extractor `naughtymachinima`.
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from datetime import date
+
+from app.config import get_settings
+from app.connectors.base import RawPlaybackSource, RawScene, RawStudio, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://www.naughtymachinima.com"
+
+#: Fallback, gdy `min_ingest_duration_sec` jest wyłączone (0): tyle filtruje apka.
+_APP_MIN_DURATION_SEC = 60
+
+
+def _min_duration() -> int:
+    """Próg zestrojony z potokiem, patrz docstring [[rule34video]]: czytamy ustawienie
+    zamiast wpisywać liczbę, żeby liczniki `seen`/`skipped` nie kłamały."""
+    return getattr(get_settings(), "min_ingest_duration_sec", 0) or _APP_MIN_DURATION_SEC
+
+
+_SCENE_HREF_RE = re.compile(
+    r'href="(?:https?://(?:www\.)?naughtymachinima\.com)?(/video/\d+/[^"?#]+)"'
+)
+_TITLE_RE = re.compile(r"<h1[^>]*>\s*([^<]{2,200}?)\s*</h1>")
+_DURATION_RE = re.compile(r'"duration"\s*:\s*"PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?"')
+_UPLOAD_DATE_RE = re.compile(r'"uploadDate"\s*:\s*"(\d{4})-(\d{2})-(\d{2})')
+_THUMB_RE = re.compile(r'property="og:image"[^>]*content="([^"]{10,300})"')
+_TAG_RE = re.compile(r'<a class="tag"[^>]*href="[^"]*/tags/[^"]+"[^>]*>\s*([^<]{1,60}?)\s*</a>')
+#: Autor: `<a href="/user/Zector95"><img …/><span>Zector95</span>`.
+_USER_RE = re.compile(r'href="[^"]*/user/([A-Za-z0-9._-]{2,40})"')
+
+
+def _duration(detail_html: str) -> int | None:
+    m = _DURATION_RE.search(detail_html)
+    if not m:
+        return None
+    hours, minutes, seconds = (int(x or 0) for x in m.groups())
+    return (hours * 3600 + minutes * 60 + seconds) or None
+
+
+class NaughtyMachinimaScraper(BaseBrowseScraper):
+    sitetag = "naughtymachinima"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/videos" if page <= 1 else f"{_BASE}/videos?page={page}"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return [_BASE + p for p in dict.fromkeys(_SCENE_HREF_RE.findall(listing_html))]
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
+        tm = _TITLE_RE.search(detail_html)
+        if not tm:
+            return None
+        title = html_mod.unescape(tm.group(1)).strip()
+        if not title:
+            return None
+
+        duration_sec = _duration(detail_html)
+        if duration_sec is None or duration_sec < _min_duration():
+            return None
+
+        release_date = None
+        dm = _UPLOAD_DATE_RE.search(detail_html)
+        if dm:
+            try:
+                release_date = date(int(dm.group(1)), int(dm.group(2)), int(dm.group(3)))
+            except ValueError:
+                pass
+
+        thumbnail_url = None
+        im = _THUMB_RE.search(detail_html)
+        if im:
+            thumbnail_url = im.group(1).strip()
+
+        tags: list[RawTag] = []
+        seen_tag: set[str] = set()
+        for raw_name in _TAG_RE.findall(detail_html):
+            name = html_mod.unescape(raw_name).strip()
+            slug = slugify(name)
+            if slug and slug not in seen_tag:
+                seen_tag.add(slug)
+                tags.append(RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug))
+
+        studio = None
+        um = _USER_RE.search(detail_html)
+        if um:
+            name = html_mod.unescape(um.group(1)).strip()
+            slug = slugify(name)
+            if slug:
+                studio = RawStudio(
+                    external_id=f"{self.sitetag}:studio:{slug}", name=name, slug=slug
+                )
+
+        video_id = scene_url.split("/video/")[-1].split("/")[0]
+        return RawScene(
+            external_id=f"{self.sitetag}:{video_id}",
+            title=title,
+            release_date=release_date,
+            duration_sec=duration_sec,
+            url=scene_url,
+            studio=studio,
+            performers=[],  # animacja, obsada nie istnieje
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=scene_url,
+                    duration_sec=duration_sec,
+                    thumbnail_url=thumbnail_url,
+                )
+            ],
+        )

app/extractors/__init__.py

@@ -40,6 +40,7 @@ from app.extractors.tubes import (
     hentaigasm,
     hentaiplay,
     hentaimama,
+    naughtymachinima,
     rule34video,
     xanimeporn,
     kporner8,
@@ -150,6 +151,9 @@ _REGISTRY: dict[str, Callable[[str], list[StreamSource] | None]] = {
     # xanimeporn — Fluid Player z PUSTYM <source>, wideo wstrzykiwane w runtime.
     # Wyjście: zakładka Downloads, czyli videos.xanimeporn.com/download.php?id=<postId>.
     # Oddajemy download.php, nie docelowy plik, żeby token generował się przy odtwarzaniu.
+    # naughtymachinima — jawne <source> bez tokenu, najprostszy playback wertykalu.
+    # Odsiewamy pusty src="" (placeholder playera) i /images/preroll/NMintro.mp4.
+    "naughtymachinima": naughtymachinima.extract,
     # rule34video — KVS z JAWNYMI flashvars (4 jakosci), ale `v-acctoken` jest
     # ZWIAZANY Z IP tego, kto pobral strone (test krzyzowy: proxy→VPS = 403).
     # Dlatego BEZ mobile_direct_ok: telefon resolwuje sam, upfront, przez

app/extractors/tubes/naughtymachinima.py

@@ -0,0 +1,67 @@
+"""naughtymachinima.com — jawne `<source>` bez tokenu. Dodany 2026-08-13.
+
+Najprostszy playback z całego wertykału animacji. Trzy rendycje wprost w HTML, bez
+AJAX-a, bez tokenu, bez Cloudflare:
+
+    <source src="https://videos.naughtymachinima.com/media/videos/h264/121144_1080p.mp4"
+            default type='video/mp4' label='1080p' res='1080'/>
+
+Kontrast z [[rule34video]] (drugie źródło 3D): tam też był KVS z gotowymi URL-ami, ale
+`v-acctoken` był ZWIĄZANY Z IP i telefon musiał resolwować sam. Tutaj URL nie ma żadnego
+tokenu, więc nie ma czego wiązać.
+
+Zweryfikowane z VPS-a: 206 na Range, `ftypisom` w pierwszym KB (faststart), 140 MB,
+działa BEZ Referera. Stąd `mobile_direct_ok`.
+
+**Dwie pułapki, obie odsiewane jawnie:**
+
+1. **Pusty `<source src="">`** na końcu listy (placeholder playera). Bez sprawdzenia
+   pustego src trafiłby na listę jako link do niczego.
+2. **`/images/preroll/NMintro.mp4`** to intro serwisu, nie treść. Leży w tym samym HTML
+   i pasuje do naiwnego `\\.mp4`, a jako jedyny mp4 na `www.` zamiast `videos.`.
+"""
+from __future__ import annotations
+
+import logging
+import re
+
+from app.extractors._fetch import fetch_tube_html
+from app.extractors._models import StreamSource
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://www.naughtymachinima.com"
+#: Tylko host plików, co samo w sobie odcina preroll z `www.naughtymachinima.com`.
+_SOURCE_RE = re.compile(
+    r"<source[^>]+src=[\"'](https?://videos\.naughtymachinima\.com/[^\"']+\.mp4)[\"'][^>]*?"
+    r"label=[\"']([^\"']{1,10})[\"']",
+    re.IGNORECASE,
+)
+_QUALITY_RANK = {"1080p": 0, "720p": 1, "480p": 2, "360p": 3}
+
+
+def extract(page_url: str, *, timeout: float = 60.0) -> list[StreamSource] | None:
+    html_text = fetch_tube_html(page_url, timeout=timeout)
+
+    out: list[StreamSource] = []
+    seen: set[str] = set()
+    for link, label in _SOURCE_RE.findall(html_text):
+        if not link or link in seen or "/preroll/" in link:
+            continue
+        seen.add(link)
+        out.append(
+            StreamSource(
+                link=link,
+                type="mp4",
+                quality=label.strip() or None,
+                referer=_BASE + "/",
+                # Zweryfikowane: 206 bez Referera, bez tokenu, faststart.
+                raw={"mobile_direct_ok": True},
+            )
+        )
+    if not out:
+        log.info("naughtymachinima: brak <source> mp4 na %s", page_url)
+        return None
+
+    out.sort(key=lambda s: _QUALITY_RANK.get((s.quality or "").lower(), 99))
+    return out