提高目标作品文案选择准确性

[Change3333]

做了什么

• 从视频、图文路径和常见查询参数中识别目标作品 ID
• 优先选择 ID 匹配的作品文案，其次选择 aweme_detail / item_detail 等作品主体数据，最后才使用通用最长文本兜底
• 为目标 JSON、作品主体、DOM 选择器、Meta、页面长文本和标题设置明确可信度，防止较长的评论或推荐内容覆盖目标文案
• 将垃圾占位符改为精确匹配，避免误杀包含“抖音”“原创音乐”“网络错误”等正常词语的合法文案
• 清理行内多余空格，同时保留作品描述中的段落换行
• 对短链连接、读取失败和 5xx 增加有限退避重试；不重试风控 429
• 新增 13 项提取选择、清理、作品 ID 和短链重试测试；连同安全测试共 24 项

为什么需要

旧逻辑会递归收集响应中的所有 desc 并选择最长文本。响应同时包含评论、推荐作品或其他页面数据时，长度并不代表它属于当前作品；此外，使用包含匹配过滤“抖音”等词会把正常文案误判为占位符。短链请求只尝试一次，也会放大瞬时网络波动。

用户影响

• 降低提取到评论或推荐作品文案的概率
• 合法文案不再因为包含常见词而被直接丢弃
• 复制结果保留原文段落
• 短暂连接故障或抖音 5xx 时自动有限重试

分支验证

python -m unittest discover -s tests -v
Ran 24 tests
OK

• Python AST 解析通过
• 嵌入式 JavaScript 语法检查通过
• 敏感信息模式扫描通过

发布候选集成验证

在仅本地的发布候选分支中按 PR #1 → PR #4 → PR #5 顺序合并：

• 三次合并均无冲突
• 合并后的 27 项测试全部通过
• 真实 Edge 浏览器冒烟测试通过
• 已验证页面标题、CSP 与安全响应头
• 已验证“一键复制”实际写入剪贴板并保留段落
• 已验证空 JSON 请求返回 HTTP 400

集成演练还发现并修复了“页面加载中”占位符兼容问题。

合并顺序

这是一个堆叠草稿 PR，基于安全 PR #4。应先合并 PR #1，再合并 PR #4；随后将本 PR 的 base 改为 main、同步最新主分支并让 GitHub Actions 运行。