goon/app/extractors/tubes/hentaimama.py

"""hentaimama.io — bezpośredni mp4 przez trzystopniowe rozwiązanie playera. Dodany 2026-08-04.

Strona odcinka NIE zawiera playera w HTML. Ścieżka wygląda tak:

  1. GET strony odcinka → id posta z `action:'get_player_contents', a:'15377'`
  2. POST `/wp-admin/admin-ajax.php` (`action=get_player_contents`, `a=<id>`)
     → JSON z dwoma iframe'ami do WŁASNYCH playerów serwisu
  3. GET strony playera (`new2.php` / `newjav.php`) → bezpośredni link mp4

Parametr `p` w URL-u playera to base64 ścieżki pliku (`D/deco-x-deco-animation-1.mp4`),
ale nie trzeba go składać ręcznie — bierzemy iframe taki, jaki przyszedł.

**Krok 2 wymaga Bright Data.** GET-y przechodzą z gołego IP, ale sam POST na
`admin-ajax.php` dostaje challenge Cloudflare (403, „Just a moment..."), dokładnie jak
`POST /api/video-info` przy sexu. Bez klucza proxy extractor zwraca None.

**2026-10-15 (zgloszenie 6ab3a973, zadna scena nie grala):** strona zmienila zapis na
`{action: 'get_player_contents',a: '79669'}` (spacje), a odpowiedz admin-ajax ma 5 playerow
(`?dt_embed=rtmp|hls|hls-mp4|r2-mp4` i `newjav.php`) z `&amp;#038;` w src. Strony playerow
trzymaja adresy w JSON-ie (ukosniki zapisane jako backslash i slash). javprovider daje 404 dla nowych odcinkow, gdvid
(`/hls/output/.../mp4/<jakosc>/...mp4`, bez tokenu) gra wszedzie. POST przechodzi dzis z VPS-a
bez proxy, Bright Data zostaje tylko na wypadek 403/Cloudflare.

**Preferujemy `gdvid.info` nad `javprovider.com`**: pierwszy oddaje plik BEZ tokenu,
więc URL nigdy nie wygasa; drugi ma `?st=...&e=<epoch>`. Oba zweryfikowane z VPS-a:
206 na Range, `ftypisom` w pierwszym KB (faststart), działają BEZ Referera — stąd
`mobile_direct_ok`, telefon gra prosto z CDN.
"""
from __future__ import annotations

import html
import json
import logging
import re

from app.config import get_settings
from app.extractors._fetch import fetch_tube_html
from app.extractors._models import StreamSource

log = logging.getLogger(__name__)

_BASE = "https://hentaimama.io"
_POST_ID_RE = re.compile(r"""action:\s*['"]get_player_contents['"],\s*a:\s*['"](\d+)['"]""")
_BODY_POST_ID_RE = re.compile(r"\bpostid-(\d+)\b")
_IFRAME_SRC_RE = re.compile(r'<iframe[^>]+src="([^"]+)"', re.IGNORECASE)
_VIDEO_RE = re.compile(r"""https?://[^\s"'<>]+\.(?:mp4|m3u8)[^\s"'<>]*""")
_QUALITY_RE = re.compile(r"/mp4/(\d{3,4})p/")
#: Host bez tokenu idzie pierwszy, jego URL nie wygasa. javprovider na koniec (404 na nowych).
_HOST_RANK = ("gdvid.info/hls/", "gdvid", "hentaidoge", "javprovider")


def _rank(url: str) -> int:
    for i, host in enumerate(_HOST_RANK):
        if host in url:
            return i
    return len(_HOST_RANK)


def _quality(url: str) -> int:
    m = _QUALITY_RE.search(url)
    return int(m.group(1)) if m else 0


def _player_contents(page_url: str, post_id: str, timeout: float):
    """POST get_player_contents: najpierw bez proxy, Bright Data tylko przy blokadzie."""
    from curl_cffi import requests as cr

    proxy = get_settings().brightdata_proxy_url
    attempts = [None] + ([proxy] if proxy else [])
    for px in attempts:
        session = cr.Session(
            impersonate="chrome120",
            proxies={"http": px, "https": px} if px else None,
            verify=False,
        )
        try:
            # Strona odcinka najpierw, bez jej ciasteczek CF potrafi odrzucic POST-a.
            session.get(page_url, timeout=timeout)
            res = session.post(
                f"{_BASE}/wp-admin/admin-ajax.php",
                data={"action": "get_player_contents", "a": post_id},
                headers={"Referer": page_url, "X-Requested-With": "XMLHttpRequest"},
                timeout=timeout,
            )
            if res.status_code == 200:
                return session, json.loads(res.text)
            log.info("hentaimama: admin-ajax %s (proxy=%s) dla %s", res.status_code, bool(px), page_url)
        except Exception as e:
            log.info("hentaimama: get_player_contents (proxy=%s) %s: %s", bool(px), page_url, e)
    return None, None


def extract(page_url: str, *, timeout: float = 60.0) -> list[StreamSource] | None:
    html_text = fetch_tube_html(page_url, timeout=timeout)
    pm = _POST_ID_RE.search(html_text) or _BODY_POST_ID_RE.search(html_text)
    if not pm:
        log.info("hentaimama: brak id posta na %s", page_url)
        return None

    session, fields = _player_contents(page_url, pm.group(1), timeout)
    if session is None:
        return None

    players: list[str] = []
    for field in fields if isinstance(fields, list) else []:
        for src in _IFRAME_SRC_RE.findall(str(field)):
            src = html.unescape(html.unescape(src))
            if src.startswith("//"):
                src = "https:" + src
            if src.startswith("http") and src not in players:
                players.append(src)

    out: list[StreamSource] = []
    seen: set[str] = set()
    for player_url in players:
        try:
            body = session.get(player_url, headers={"Referer": page_url}, timeout=timeout).text
        except Exception as e:
            log.info("hentaimama: player fetch failed %s: %s", player_url, e)
            continue
        body = body.replace(chr(92) + "/", "/")
        for link in _VIDEO_RE.findall(body):
            if link in seen or "thumbnail" in link or link.endswith(".vtt"):
                continue
            seen.add(link)
            q = _quality(link)
            out.append(
                StreamSource(
                    link=link,
                    type="m3u8" if ".m3u8" in link else "mp4",
                    quality=f"{q}p" if q else None,
                    referer=_BASE + "/",
                    # Zweryfikowane: 206 bez Referera, faststart, telefon gra direct.
                    raw={"mobile_direct_ok": True},
                )
            )

    if not out:
        log.info("hentaimama: nie znalazlem wideo dla %s", page_url)
        return None
    out.sort(key=lambda s: (_rank(s.link), s.type != "mp4", -_quality(s.link)))
    return out