From a5295be10ef49ef92d7c556227a3ae2aee0a67cd Mon Sep 17 00:00:00 2001
From: goon-foss <goon-foss@tutamail.com>
Date: Wed, 12 Aug 2026 14:57:28 +0200
Subject: [PATCH] feat(hentai): konektor hentaigasm.com - trzecie zrodlo
 wertykalu

TRZECI niezalezny host w wertykale. Te same odcinki co hentaimama i xanimeporn, ale
znowu inne pliki: tutaj hgasm<N>.com/<Tytul Ze Spacjami>.mp4, tam gdvid.info/N/... i
download.xanimeporn.com/videos/1080p/[1080p]<id>.mp4. Zadna z trzech stron nie
re-hostuje pozostalych.

Metadane w CALOSCI z RSS-a i to nie skrot tylko koniecznosc:
- strona odcinka NIE MA daty publikacji w zadnym standardowym miejscu (ani JSON-LD,
  ani article:published_time, ani <time>), a feed ma pubDate
- /genre/ w HTML to 38 linkow, czyli kolejna chmura z sidebara; feed daje 5 realnych
  kategorii, gdzie pierwsza to nazwa serii
- /page/2/ nie zwraca odcinkow w ogole, a /feed/?paged=N stronicuje chronologicznie

Playback najprostszy z calej trojki: konfiguracja JWPlayera z gotowym file: wprost w
HTML, bez AJAX-a i bez Cloudflare. Sciezka zawiera SPACJE, wiec kodujemy sama sciezke,
zostawiajac schemat i host. Host ROTUJE miedzy odcinkami (hgasm1/hgasm3), wiec czytamy
go ze strony zamiast wpisywac na sztywno.

Zweryfikowane z VPS: 206 na Range, ftypisom, 198 MB, dziala BEZ Referera i bez tokenu,
wiec URL nie wygasa. mobile_direct_ok.

Pilot: seen 107, new 107, errors 0. Metadane: 100 procent z data, miniaturka i tagami.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
---
 app/connectors/direct_scrapers/__init__.py   |   6 +
 app/connectors/direct_scrapers/hentaigasm.py | 131 +++++++++++++++++++
 app/extractors/__init__.py                   |   5 +
 app/extractors/tubes/hentaigasm.py           |  67 ++++++++++
 4 files changed, 209 insertions(+)
 create mode 100644 app/connectors/direct_scrapers/hentaigasm.py
 create mode 100644 app/extractors/tubes/hentaigasm.py

diff --git a/app/connectors/direct_scrapers/__init__.py b/app/connectors/direct_scrapers/__init__.py
index 0a9b146..4e1edd8 100644
--- a/app/connectors/direct_scrapers/__init__.py
+++ b/app/connectors/direct_scrapers/__init__.py
@@ -49,6 +49,7 @@ from app.connectors.direct_scrapers.pornbusy import PornBusyScraper
 from app.connectors.direct_scrapers.pornmike import PornMikeScraper
 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.xanimeporn import XAnimePornScraper
 from app.connectors.direct_scrapers.fullporner import FullPornerScraper
 from app.connectors.direct_scrapers.watchporn import WatchPornScraper
@@ -207,6 +208,11 @@ ALL_BROWSE_SCRAPERS: list[type[BaseBrowseScraper]] = [
     # więc listing z dwóch archiwów: /uncensored/ i /censored/, które stronicują poprawnie.
     # Playback bez Cloudflare i bez proxy, w odróżnieniu od hentaimamy.
     XAnimePornScraper,
+    # HentaiGasmScraper — dodany 2026-08-04, trzecie zrodlo wertykalu i TRZECI
+    # niezalezny host (hgasm1.com). Metadane w CALOSCI z RSS-a, bo strona odcinka nie ma
+    # daty w zadnym standardowym miejscu, a /genre/ to 38 linkow chmury z sidebara.
+    # Playback najprostszy z calej trojki: JWPlayer z gotowym file: wprost w HTML.
+    HentaiGasmScraper,
     # FullPornerScraper, dodany 2026-07-27. PEŁNE sceny (mediana ~33 min, zero poniżej
     # 10 min), ~140-240 dziennie, listing chronologiczny mimo nagłówka „Featured".
     # Playback najtrwalszy w portfolio: mp4 do 1080p bez tokenu i bez wygasania.
diff --git a/app/connectors/direct_scrapers/hentaigasm.py b/app/connectors/direct_scrapers/hentaigasm.py
new file mode 100644
index 0000000..d5a0d16
--- /dev/null
+++ b/app/connectors/direct_scrapers/hentaigasm.py
@@ -0,0 +1,131 @@
+"""hentaigasm.com — browse scraper. Trzecie źródło wertykału hentai. Dodany 2026-08-04.
+
+**Trzeci niezależny host w wertykale.** Te same odcinki co [[hentaimama]] i
+[[xanimeporn]], ale znowu inne pliki: tutaj `hgasm1.com/<Tytuł Ze Spacjami>.mp4`,
+tam `gdvid.info/N/...` i `download.xanimeporn.com/videos/1080p/[1080p]<id>.mp4`.
+Żadna z tych trzech stron nie re-hostuje pozostałych.
+
+Kryterium jak w całym wertykale: dla animacji nie istnieje kanon, więc każda pozycja
+jest orphanem i to poprawne. Nie ma obsady ani canonical matcha.
+
+**Wszystkie metadane bierzemy z RSS-a, nie ze strony odcinka**, i to nie jest skrót
+tylko konieczność:
+
+  - strona odcinka NIE MA daty publikacji w żadnym standardowym miejscu (ani JSON-LD,
+    ani `article:published_time`, ani `<time>`), a feed ma `<pubDate>`
+  - `/genre/` w HTML strony to 38 linków, czyli kolejna chmura z sidebara, a feed daje
+    5 realnych kategorii: pierwsza to nazwa serii, reszta to gatunki
+  - `/page/2/` nie zwraca odcinków w ogóle, a `/feed/?paged=N` stronicuje poprawnie
+    i chronologicznie (strona 1 = dziś, strona 2 = tydzień wstecz)
+
+Strona odcinka jest potrzebna wyłącznie do miniaturki, którą wyciąga z konfiguracji
+JWPlayera razem z linkiem do wideo (patrz extractor `hentaigasm`).
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from email.utils import parsedate_to_datetime
+
+from app.connectors.base import RawPlaybackSource, RawScene, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.extractors import browser_get
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://hentaigasm.com"
+
+_ITEM_RE = re.compile(r"<item>(.*?)</item>", re.DOTALL)
+_LINK_RE = re.compile(r"<link>\s*(https?://hentaigasm\.com/[^<\s]+)\s*</link>")
+_TITLE_RE = re.compile(r"<title>(.*?)</title>", re.DOTALL)
+_PUBDATE_RE = re.compile(r"<pubDate>(.*?)</pubDate>", re.DOTALL)
+_CATEGORY_RE = re.compile(r"<category><!\[CDATA\[(.*?)\]\]></category>", re.DOTALL)
+#: Miniaturka z konfiguracji JWPlayera — jedyna rzecz, po którą wchodzimy na stronę.
+_JW_IMAGE_RE = re.compile(r"image:\s*[\"']([^\"']+)[\"']")
+
+
+class HentaiGasmScraper(BaseBrowseScraper):
+    sitetag = "hentaigasm"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/feed/" if page <= 1 else f"{_BASE}/feed/?paged={page}"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return list(dict.fromkeys(_LINK_RE.findall(listing_html)))
+
+    def crawl_page(self, page: int) -> list[RawScene] | None:
+        try:
+            res = browser_get(self._listing_url(page), timeout=self._timeout)
+            res.raise_for_status()
+        except Exception as e:
+            log.warning("%s: feed strona %d fail: %s", self.sitetag, page, e)
+            return None
+
+        items = _ITEM_RE.findall(res.text)
+        if not items:
+            return []
+
+        out: list[RawScene] = []
+        for item in items:
+            lm = _LINK_RE.search(item)
+            tm = _TITLE_RE.search(item)
+            if not lm or not tm:
+                continue
+            url = lm.group(1).strip()
+            title = html_mod.unescape(tm.group(1)).strip()
+            if not title:
+                continue
+
+            release_date = None
+            dm = _PUBDATE_RE.search(item)
+            if dm:
+                try:
+                    release_date = parsedate_to_datetime(dm.group(1).strip()).date()
+                except (TypeError, ValueError):
+                    pass
+
+            tags: list[RawTag] = []
+            seen: set[str] = set()
+            for raw_cat in _CATEGORY_RE.findall(item):
+                name = html_mod.unescape(raw_cat).strip()
+                slug = slugify(name)
+                if slug and slug not in seen:
+                    seen.add(slug)
+                    tags.append(
+                        RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug)
+                    )
+
+            thumb = None
+            try:
+                det = browser_get(url, timeout=self._timeout)
+                det.raise_for_status()
+                im = _JW_IMAGE_RE.search(det.text)
+                if im:
+                    thumb = im.group(1).strip()
+            except Exception as e:
+                # Brak miniaturki nie dyskwalifikuje odcinka — reszta metadanych jest z feedu.
+                log.info("%s: miniaturka fail %s: %s", self.sitetag, url, e)
+
+            slug = url.rstrip("/").rsplit("/", 1)[-1]
+            out.append(
+                RawScene(
+                    external_id=f"{self.sitetag}:{slug}",
+                    title=title,
+                    release_date=release_date,
+                    url=url,
+                    tags=tags,
+                    playback_sources=[
+                        RawPlaybackSource(
+                            origin=f"tube:{self.sitetag}",
+                            page_url=url,
+                            thumbnail_url=thumb,
+                        )
+                    ],
+                )
+            )
+        return out
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:  # pragma: no cover
+        raise NotImplementedError("hentaigasm buduje sceny z RSS-a w crawl_page")
diff --git a/app/extractors/__init__.py b/app/extractors/__init__.py
index adc1bef..02d47d2 100644
--- a/app/extractors/__init__.py
+++ b/app/extractors/__init__.py
@@ -37,6 +37,7 @@ from app.extractors.tubes import (
     perverzija,
     hqporner,
     fullporner,
+    hentaigasm,
     hentaimama,
     xanimeporn,
     kporner8,
@@ -136,6 +137,10 @@ _REGISTRY: dict[str, Callable[[str], list[StreamSource] | None]] = {
     # wymaga Bright Data) → strona playera → bezpośredni mp4. Preferujemy gdvid,
     # bo oddaje plik bez tokenu, więc URL nie wygasa. Portable, mobile_direct_ok.
     "hentaimama": hentaimama.extract,
+    # hentaigasm — najprostszy w wertykale: konfiguracja JWPlayera WPROST w HTML,
+    # bez AJAX-a i bez CF. Sciezka ma SPACJE, trzeba zakodowac. Bez tokenu, bez
+    # Referera, 206 z VPS → mobile_direct_ok.
+    "hentaigasm": hentaigasm.extract,
     # 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.
diff --git a/app/extractors/tubes/hentaigasm.py b/app/extractors/tubes/hentaigasm.py
new file mode 100644
index 0000000..633776f
--- /dev/null
+++ b/app/extractors/tubes/hentaigasm.py
@@ -0,0 +1,67 @@
+"""hentaigasm.com — bezpośredni mp4 z konfiguracji JWPlayera. Dodany 2026-08-04.
+
+Najprostszy z całego wertykału hentai. Konfiguracja playera siedzi WPROST w HTML strony
+odcinka, bez AJAX-a i bez Cloudflare:
+
+    jwplayer("player_01").setup({
+      file:  "https://hgasm1.com/Nuki Nuki Zupposism 2 Subbed.mp4",
+      image: "https://hgasm1.com/thumbnail/Nuki Nuki Zupposism 2 Subbed.jpg",
+      ...
+    })
+
+Dla porównania: [[hentaimama]] trzyma to za POST-em na `admin-ajax` schowanym za
+Cloudflare, a [[xanimeporn]] ma Fluid Player z pustym `<source>` i realny link dopiero
+w zakładce „Downloads".
+
+**Ścieżka zawiera SPACJE** i trzeba je zakodować — bez tego request się wywala. Kodujemy
+tylko część po hoście, żeby nie ruszyć schematu ani kropek w domenie.
+
+Zweryfikowane z VPS-a: 206 na Range, `ftypisom` w pierwszym KB (faststart), 198 MB,
+działa BEZ Referera i bez tokenu, więc URL nie wygasa. Stąd `mobile_direct_ok`.
+"""
+from __future__ import annotations
+
+import logging
+import re
+from urllib.parse import quote, urlsplit, urlunsplit
+
+from app.extractors._fetch import fetch_tube_html
+from app.extractors._models import StreamSource
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://hentaigasm.com"
+_JW_FILE_RE = re.compile(r"file:\s*[\"'](https?://[^\"']+\.mp4)[\"']")
+
+
+def _encode(url: str) -> str:
+    """Zakoduj spacje w ścieżce, zostawiając schemat i host nietknięte."""
+    parts = urlsplit(url)
+    return urlunsplit(
+        (parts.scheme, parts.netloc, quote(parts.path), parts.query, parts.fragment)
+    )
+
+
+def extract(page_url: str, *, timeout: float = 60.0) -> list[StreamSource] | None:
+    html_text = fetch_tube_html(page_url, timeout=timeout)
+    seen: set[str] = set()
+    out: list[StreamSource] = []
+    for raw in _JW_FILE_RE.findall(html_text):
+        link = _encode(raw.strip())
+        if link in seen:
+            continue
+        seen.add(link)
+        out.append(
+            StreamSource(
+                link=link,
+                type="mp4",
+                quality=None,  # serwis publikuje jedną rendycję, bez etykiety
+                referer=_BASE + "/",
+                # Zweryfikowane: 206 bez Referera, bez tokenu, faststart.
+                raw={"mobile_direct_ok": True},
+            )
+        )
+    if not out:
+        log.info("hentaigasm: brak file: w konfiguracji JWPlayera na %s", page_url)
+        return None
+    return out