ad0284585b
Goon — self-hosted aggregator for adult-content scene metadata. Indexes scenes from TPDB, StashDB, and 30+ public adult tube sites. Cross-source deduplication via perceptual hash + Levenshtein distance. FastAPI backend + APScheduler worker + React Native (Expo) mobile client. FOSS, ad-free, donation-funded. See README for details.
166 lines
10 KiB
Python
166 lines
10 KiB
Python
"""Direct tube scrapers.
|
|
|
|
Każdy scraper hit'uje tube bezpośrednio HTTPm — różne tube'y to różne rate limit
|
|
budgets, więc mogą iść równolegle. Wszystkie feedują sceny do tej samej
|
|
`Source(name='pornapp')` (legacy nazwa — kept for DB compat) z external_id
|
|
`f"{sitetag}:{url}"`. Resolver mergeuje idempotentnie po tym kluczu.
|
|
|
|
Search-based ścieżka (per performer name); category browse'ng przez `categoriesUrl`
|
|
overrides w pornapp connector był specyficzny dla porn-app API i zostanie usunięty.
|
|
|
|
UWAGA — speculative scrapers: większość aggregator + special tubes (xmoviesforyou,
|
|
watchporn, siska, porn4days, porndish, xxxfreewatch, latestleaks, mypornerleak,
|
|
porndittcom, perverzija, fpoxxx, ...) ma URL templates + regex'y oparte na typowych
|
|
WordPress conventions. Wymagają post-deploy verification — gdy któryś nie zwraca
|
|
wyników, sprawdź real search HTML + popraw template/regex w odpowiednim pliku.
|
|
"""
|
|
from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
|
|
from app.connectors.direct_scrapers.base import BaseDirectTubeScraper
|
|
from app.connectors.direct_scrapers.eporner import EpornerScraper
|
|
from app.connectors.direct_scrapers.fpoxxx import FpoxxxScraper
|
|
from app.connectors.direct_scrapers.hdporn92 import HDPorn92Scraper # noqa: F401 — kept for backref; disabled
|
|
from app.connectors.direct_scrapers.hqporner import HQPornerScraper
|
|
from app.connectors.direct_scrapers.latestleaks import LatestLeaksScraper
|
|
from app.connectors.direct_scrapers.latestpornvideo import LatestPornVideoScraper
|
|
from app.connectors.direct_scrapers.mypornerleak import MyPornerLeakScraper
|
|
from app.connectors.direct_scrapers.perverzija import PerverzijaScraper
|
|
from app.connectors.direct_scrapers.porn4days import Porn4DaysScraper
|
|
from app.connectors.direct_scrapers.pornditt import PornDittScraper
|
|
from app.connectors.direct_scrapers.porndish import PornDishScraper
|
|
from app.connectors.direct_scrapers.pornhat import PornHatScraper # noqa: F401 — kept for backref; ingest disabled
|
|
from app.connectors.direct_scrapers.pornhub import PornHubScraper
|
|
from app.connectors.direct_scrapers.porntrex import PornTrexScraper
|
|
from app.connectors.direct_scrapers.redtube import RedTubeScraper
|
|
from app.connectors.direct_scrapers.siska import SiskaScraper
|
|
from app.connectors.direct_scrapers.sxyland import SxyLandScraper
|
|
from app.connectors.direct_scrapers.sxyprn import SxyPrnScraper
|
|
from app.connectors.direct_scrapers.watchporn import WatchPornScraper
|
|
from app.connectors.direct_scrapers.xhamster import XHamsterScraper
|
|
from app.connectors.direct_scrapers.xmoviesforyou import XMoviesForYouScraper
|
|
from app.connectors.direct_scrapers.xnxx import XnxxScraper
|
|
from app.connectors.direct_scrapers.xvideos import XVideosScraper
|
|
from app.connectors.direct_scrapers.xxxfreewatch import XxxFreeWatchScraper # noqa: F401 — kept for backref; delisted
|
|
from app.connectors.direct_scrapers.youporn import YouPornScraper
|
|
from app.connectors.direct_scrapers.zerodayxx import ZeroDayXXScraper
|
|
|
|
ALL_DIRECT_SCRAPERS: list[type[BaseDirectTubeScraper]] = [
|
|
# Existing 4 (verified, in production)
|
|
HQPornerScraper,
|
|
# HDPorn92Scraper — wyłączony 2026-05-18. Scene pages to SEO shell: ZERO player iframe
|
|
# (tylko happyleafmotion ads), JS hijackuje wszystkie kliki → `go.rmishe.com/smartpop/...`
|
|
# popunder redirect. Mobile WebView page-as-hoster pokazuje ad redirect zamiast video.
|
|
# 33,598 playback_sources mass-marked dead, 27,374 solo-orphan scenes deleted.
|
|
SxyLandScraper,
|
|
# ZeroDayXXScraper — wyłączony 2026-05-12 (source quality report): 25,596 scen, 0.1% canonical
|
|
# match. Slug-concat tytuły (`bella reese big butt ready to be filled with cum analized`) bez
|
|
# `[Studio]` lub `Studio - Perf - Title` prefixu (parse rate 3%) → resolver nie ma żadnego
|
|
# signalu do matchu. Wraps watchporn ale dziedziczy stripped metadata. Solo orphany usunięte
|
|
# (~21k scen) — plik scrapera + extractor zostają (istniejące playback_sources nadal się
|
|
# resolvują).
|
|
# Mainstream (URL templates well-known)
|
|
# PornHubScraper — wyłączony 2026-05-12 (analiza źródeł): 23,750 scen scrapnietych,
|
|
# tylko 105 (0.4%) match z TPDB/StashDB. PH hostuje głównie własne shortened
|
|
# clipy + amateur upload — nigdy nie zmatchują studio canonical content. Plik
|
|
# zostaje (extractor `pornhubcom` używa go w playback resolve dla istniejących
|
|
# playback_sources).
|
|
# RedTubeScraper — wyłączony 2026-05-12 (analiza źródeł): 20,127 scen, 82 match
|
|
# (0.4%). Same powody co PH (skrócone clipy + amateur upload).
|
|
XVideosScraper,
|
|
XnxxScraper,
|
|
XHamsterScraper,
|
|
YouPornScraper,
|
|
PornTrexScraper,
|
|
EpornerScraper,
|
|
# Aggregators (WordPress-like ?s= search; speculative — verify post-deploy)
|
|
# XMoviesForYouScraper — wyłączony 2026-05-12 (post audit fix). 100% scen serwuje
|
|
# streamtape (DEAD_HOSTER_RE — malware drive-by .reg) + opcjonalnie playmogo/mixdrop.
|
|
# Mixdrop zrebrandował na m1xdrop.bz, yt-dlp out-of-date, packer/JS extract = fail.
|
|
# Playmogo = DoodStream CAPTCHA. Porn-app sam olewa xmoviesforyou (brak handlera w
|
|
# jadx). 1,321 solo-orphan scen.
|
|
# WatchPornScraper — wyłączony 2026-05-12 (user bug-report). Wszystkie iframes to
|
|
# DoodStream variants (playmogo/d0000d/dooood/mivalyo) z CAPTCHA gate. WebView na
|
|
# mobile = black screen (player JS nie inicjalizuje się przez Turnstile). 16%
|
|
# scen solo (no backup tube), 84% multi-source — user może użyć innego tube. yt-dlp
|
|
# nie wspiera DoodStream ("Piracy"), własny resolver TBD jeśli warto.
|
|
# SiskaScraper — wyłączony 2026-05-16 (filemoon shutdown). Każda siska scena
|
|
# embeduje filemoon iframe; filemoon.to/sx/nl serwują od ~2026-05 placeholder
|
|
# "Byse Frontend" SPA bez player JS. 14,839 playback_sources mass-marked dead.
|
|
# Plik scrapera + extractor zostają (mobile spróbuje resolve → DEAD_HOSTER_RE
|
|
# filemoon blacklist → None → 503 — fine, te scenes są też dead_at-filtered).
|
|
# SiskaScraper,
|
|
# Porn4DaysScraper — wyłączony 2026-05-12 (post audit fix). 100% scen na streamtape
|
|
# only (DEAD_HOSTER_RE blacklist - malware drive-by .reg downloads). SERVER1_URL =
|
|
# streamtape, brak SERVER2/SERVER3 backup. Porn-app sam olewa porn4days. 10,346
|
|
# solo-orphan scen.
|
|
PornDishScraper,
|
|
# XxxFreeWatchScraper — wyłączony 2026-05-18. 790 scen, 0% canonical match, 100% solo-orphan.
|
|
# Cloudflare 403 z VPS IP, mobile WebView teoretycznie działa ale 0/790 scen miało jakikolwiek
|
|
# match do TPDB/StashDB. Pure orphan factory. Solo scenes deleted, scraper disabled.
|
|
LatestPornVideoScraper,
|
|
# LatestLeaksScraper — wyłączony 2026-05-12 (source quality report): 16,438 scen, 0.0%
|
|
# canonical match. Slug-concat tytuły, brak studio/duration/date signali. Solo orphany
|
|
# usunięte (~15k scen).
|
|
MyPornerLeakScraper,
|
|
# Added 2026-05-12 (theporndude survey): jeden z 14 free tubes na liście który
|
|
# zwraca consistent search results. KVS engine, slug-aware scene URLs. Mostly
|
|
# orphan ingest (auto-screenshots, no canonical phash match — sprawdzone), ale
|
|
# może łapać sceny popularnych performerów których jeszcze nie mamy w TPDB.
|
|
# PornHatScraper — wyłączony 2026-05-18. 9,799 scen, 0.2% canonical match, 100% solo-orphan.
|
|
# Pure orphan factory — auto-screenshot thumbs nie matchują phash do canonical, slug tytuły
|
|
# nie matchują rapidfuzz, brak duration/date signals. KEEP `pornhatcom` extractor i istniejące
|
|
# playback_sources żywe — mobile może je odtwarzać; disable tylko future ingest.
|
|
# PornDittScraper — wyłączony 2026-05-12 (bug-report 64356e9b). Każdy link
|
|
# produkował nową Scene row zamiast matchować do istniejącej kanonicznej
|
|
# (TPDB/StashDB) bo pornditt ma weak signal: title + cz. performera, brak
|
|
# fingerprintu/duration/date → composite_score zawsze poniżej auto_merge
|
|
# threshold (0.92). Plik scrapera + extractor zostają (istniejące playback_sources
|
|
# nadal się resolvują, _REGISTRY w app/extractors/__init__.py odpala
|
|
# `porndittcom` → _embed_iframe.extract). Re-enable wymaga albo
|
|
# "alternative-source mode" w resolverze (match-only, never create new),
|
|
# albo bogatszej extracji metadanych (duration + fingerprint).
|
|
# Special
|
|
SxyPrnScraper,
|
|
PerverzijaScraper,
|
|
FpoxxxScraper,
|
|
]
|
|
|
|
# Browse-mode scrapers — iterują `latest-vids` listing zamiast search-by-performer.
|
|
# Phash thumbnail fingerprint (waga 0.40 w composite scoring) auto-mergeuje do
|
|
# canonical (TPDB/StashDB) gdy tube hot-linkuje studio thumbnail. Schedulowane
|
|
# raz dziennie, pages 1-5. Patrz `_browse_base.BaseBrowseScraper` +
|
|
# `app/scheduler/browse_latest.py`.
|
|
#
|
|
# **Pilot results (2026-05-12):**
|
|
# - ShyfapScraper: 0/23 match (0%) — robi własne thumbnails ≠ canonical
|
|
# (phash Hamming 12-16). Plus rebranduje tytuły. **Wyłączony.**
|
|
# - FreshpornoScraper: 39/59 match (66%) — hot-linkuje studio thumbnaile
|
|
# (phash Hamming 0). Oryginalne tytuły + channels=studio 1:1. **Aktywny.**
|
|
from app.connectors.direct_scrapers.freshporno import FreshpornoScraper # noqa: E402
|
|
from app.connectors.direct_scrapers.porn00 import Porn00Scraper # noqa: E402
|
|
from app.connectors.direct_scrapers.pornxp import PornXPScraper # noqa: E402
|
|
from app.connectors.direct_scrapers.shyfap import ShyfapScraper # noqa: E402, F401
|
|
|
|
ALL_BROWSE_SCRAPERS: list[type[BaseBrowseScraper]] = [
|
|
FreshpornoScraper,
|
|
# PornXPScraper — pilot 2026-05-17 (20 scen): studio 100%, performer 95%,
|
|
# release_date 100%, duration 100%, stream_url 100%, phash 100%. Najlepsze
|
|
# sygnały spośród browse-mode scraperów. Stream direct mp4 (sv.porn-xp.com)
|
|
# 360/720 quality. Release year z `Released: <year>` na detail.
|
|
PornXPScraper,
|
|
# Porn00Scraper — pilot 2026-05-17 (16 scen): brak studio (0%) + brak release
|
|
# date (0%) ALE performer 100%, duration 100%, stream_url 100% (KVS video_alt_url
|
|
# 720p). Tytuł zachowuje studio prefix ("Studio Title - Scene Name") → title
|
|
# fuzzy match (rapidfuzz token_set_ratio) może załapać canonical. Monitorować.
|
|
Porn00Scraper,
|
|
# ShyfapScraper — wyłączony 2026-05-12 (pilot fail, 0% match — orphan factory).
|
|
# Follow-up: dorobić te tubey i sprawdzić phash distance:
|
|
# - fullmovies.xxx (channel/network/pornstars/categories, brak duration)
|
|
# - 4k69.com + hdporn.gg (klony freshporno — prawdopodobnie ten sam phash hit rate)
|
|
]
|
|
|
|
__all__ = [
|
|
"BaseDirectTubeScraper",
|
|
"BaseBrowseScraper",
|
|
"ALL_DIRECT_SCRAPERS",
|
|
"ALL_BROWSE_SCRAPERS",
|
|
]
|