channel-worker 2.5.121 → 2.5.122

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "channel-worker",
-  "version": "2.5.121",
+  "version": "2.5.122",
   "description": "Channel Manager worker daemon — runs on remote machines to execute video pipeline jobs",
   "main": "lib/daemon.js",
   "bin": {

package/scripts/verify_facebook_reels.js

@@ -11,7 +11,7 @@
 // caption hơn, API tự biết là không đủ để ghép và để nguyên cho người.
 //
 // Payload: { channel_id, post_ids: ['1234567890', …] }
-// Trả về:  { captions: [{ post_id, og, page_text, url }], read, asked }
+// Trả về:  { captions: [{ post_id, og, page_text, blocks, url }], read, asked }
 //
 // Việc SO SÁNH nằm ở API (services/ReelCaptionMatch) chứ không ở đây: một bảng
 // luật, test offline được, và worker không cần biết tiêu đề của idea.
@@ -23,17 +23,52 @@ const SETTLE_MS = 4000;
 // một kênh hiếm khi quá vài cái; nhiều hơn thì để lượt sau, đừng giữ profile lâu.
 const MAX_POSTS = 8;
 
-// og:description là mô tả của ĐÚNG reel đang mở. Văn bản trang là đường lui —
-// trình xem reel cuộn cả reel kế bên vào DOM nên API chỉ tin phần đầu của nó.
+// Đuôi Facebook thêm vào khi cắt caption dài. Phải gỡ, không thì khối chữ
+// không còn là "khúc đầu của tiêu đề" và luật ghép theo tiền tố trượt.
+const MORE_TAIL_RE = /(?:[…\.]{1,3}\s*)?(?:see more|xem thêm|see translation|xem bản dịch)\s*$/i;
+
+function cleanBlock(s) {
+  return String(s == null ? '' : s)
+    .replace(/\s+/g, ' ')
+    .trim()
+    .replace(MORE_TAIL_RE, '')
+    .replace(/[…\s]+$/, '')
+    .trim();
+}
+
+// Lấy mọi đường có thể có caption. ĐO TẬN TAY 20/09/2026 trên reel
+// 4007094836262842 (kênh "tán gái", profile kenh-25), trang mở trong phiên ĐÃ
+// ĐĂNG NHẬP:
+//   - `document.querySelectorAll('meta[property]')` → **RỖNG**. Trang reel của
+//     phiên đăng nhập không có thẻ og nào, nên og luôn 0 ký tự. Giữ lại vì
+//     phiên khác (chưa đăng nhập, share link) vẫn có.
+//   - `[role='main']` chỉ có **18 ký tự** — caption KHÔNG nằm trong đó. Bản cũ
+//     đọc đúng chỗ này nên 3 bài "đăng mập mờ" của kênh treo 2 ngày, ghép=0.
+//   - `body.innerText` (331 ký tự) CÓ caption nhưng dính rác đầu trang
+//     ("Number of unread notifications 20+ 119 433K 2.4K 1.9K <tên trang> …").
+//   - Khối `span[dir='auto']` dài nhất CHÍNH LÀ caption, kèm đuôi "… See more".
+// Nên: trả cả ba — og, page_text (đổi sang body), và `blocks` = các khối
+// dir=auto đã gỡ đuôi, để API so khớp trên từng khối (ReelCaptionMatch).
 async function readCaption(page) {
   return page.evaluate(() => {
+    const flat = (t) => String(t || '').replace(/\s+/g, ' ').trim();
     const meta = (p) => (document.querySelector(`meta[property="${p}"]`) || {}).content || '';
-    const main = document.querySelector("[role='main']") || document.body;
+    const blocks = [...document.querySelectorAll("span[dir='auto'], div[dir='auto']")]
+      .map((el) => flat(el.innerText))
+      .filter((t) => t.length >= 20)
+      .sort((a, b) => b.length - a.length)
+      .slice(0, 6);
     return {
       og: (meta('og:description') || meta('og:title') || '').slice(0, 1000),
-      page_text: String((main && main.innerText) || '').replace(/\s+/g, ' ').trim().slice(0, 1500),
+      page_text: flat(document.body && document.body.innerText).slice(0, 1500),
+      blocks,
     };
-  }).catch(() => ({ og: '', page_text: '' }));
+  }).then((c) => ({
+    og: cleanBlock(c.og).slice(0, 1000),
+    page_text: c.page_text,
+    // Bỏ trùng sau khi gỡ đuôi: khối cha và khối con thường ra cùng một chuỗi.
+    blocks: [...new Set((c.blocks || []).map(cleanBlock).filter((t) => t.length >= 20))].slice(0, 6),
+  })).catch(() => ({ og: '', page_text: '', blocks: [] }));
 }
 
 async function run({ page, payload = {}, log }) {
@@ -50,9 +85,10 @@ async function run({ page, payload = {}, log }) {
       await page.goto(url, { waitUntil: 'domcontentloaded', timeout: NAV_TIMEOUT_MS });
       await page.waitForTimeout(SETTLE_MS);
       const c = await readCaption(page);
-      captions.push({ post_id: id, og: c.og, page_text: c.page_text, url });
-      log('info', `[fb-verify] reel ${id}: og ${c.og.length} ký tự, trang ${c.page_text.length} ký tự`
-        + (c.og ? ` — "${c.og.slice(0, 60)}"` : ''));
+      captions.push({ post_id: id, og: c.og, page_text: c.page_text, blocks: c.blocks, url });
+      const best = (c.blocks && c.blocks[0]) || c.og || '';
+      log('info', `[fb-verify] reel ${id}: og ${c.og.length} ký tự, trang ${c.page_text.length} ký tự, `
+        + `${(c.blocks || []).length} khối` + (best ? ` — "${best.slice(0, 60)}"` : ' — KHÔNG đọc được chữ nào'));
     } catch (e) {
       // Một reel đọc hỏng KHÔNG được giết cả lượt: các reel còn lại vẫn ghép được.
       log('warn', `[fb-verify] reel ${id} đọc hỏng: ${String(e && e.message || e).slice(0, 90)}`);
@@ -63,4 +99,4 @@ async function run({ page, payload = {}, log }) {
 }
 
 module.exports = { run };
-module.exports.__testables = { readCaption, MAX_POSTS, SETTLE_MS };
+module.exports.__testables = { readCaption, cleanBlock, MORE_TAIL_RE, MAX_POSTS, SETTLE_MS };