短视频文案智能提取

用户粘贴链接（抖音/小红书/快手/B站/TikTok/YouTube）
        ↓
【Step 1】DouSnap.com 前置解析 ✨（推荐 --cdp 走真实浏览器）
        ↓
    ┌───返回───┐
    │  标题    │
    │  描述文案 │ ← 平台原始文案（含 # 标签）
    │  转录文案 │ ← AI ASR 自动转好
    │  视频直链 │ ← 无水印
    │  音频直链 │
    │  封面/图集 │
    └──────────┘
        ↓
【Step 2】文案选取优先级：
    dousnap transcript ≥10字  →  用这个
    否则 description ≥20字     →  用这个
    否则回退到 Whisper 本地转录
        ↓
【Step 3】7 步分析（类型/结构/评分/合规/优化/精简/时长）
        ↓
【Step 4】格式化输出（MD/JSON/CSV/纯文本）

# 必需
pip install playwright
playwright install chromium  # 首次需下载浏览器

# 强烈推荐（yt-dlp 作为兜底）
pip install yt-dlp

# 可选（Whisper 只在前两级都失败时使用）
pip install openai-whisper

# 需要 ffmpeg（本地转录才需要）
apt install ffmpeg

python3 extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222

python3 extract.py https://v.douyin.com/xxx --output json --cdp http://127.0.0.1:9222

python3 extract.py https://v.douyin.com/xxx --output csv --cdp http://127.0.0.1:9222

python3 extract.py https://v.douyin.com/xxx --output plaintext --cdp http://127.0.0.1:9222

python3 extract.py --batch urls.txt --cdp http://127.0.0.1:9222

python3 extract.py --benchmark https://v.douyin.com/a https://v.douyin.com/b 
  --cdp http://127.0.0.1:9222

python3 dousnap_extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222 --json

python3 extract.py https://v.douyin.com/xxx --no-dousnap

python3 extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222 
  --transcript-timeout 300  # 5分钟

python3 extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222 --verbose

short-video-copy-extract/
├── extract.py                # 主流程（三级前置 + 分析引擎）
├── dousnap_extract.py        # ✨ V2.2 新增：dousnap.com 驱动器
├── hellotik_extract.py       # V2.1：hellotik.app 驱动器
└── SKILL.md

extract.py 内部结构：
├── 平台识别引擎
├── 三级视频元数据提取
│   ├── fetch_via_dousnap_preflight() ✨ 首选
│   ├── fetch_via_hellotik_preflight() 回退1
│   └── yt-dlp                         兜底
├── Whisper ASR（前两级失败时）
├── 文本分析引擎
│   ├── detect_content_type() - 6 大类型识别
│   ├── parse_structure() - 五段式拆解
│   ├── check_compliance() - A/B/C 三级检测
│   └── calculate_score() - 四维评分
├── 智能改写引擎
│   ├── optimize_reading() - 朗读优化
│   ├── compress_to_length() - 精简压缩
│   └── calculate_duration() - 平台适配时长
└── 输出格式化（MD/JSON/CSV/TXT/benchmark）

total = hook * 0.30 + density * 0.25 + emotion * 0.20 + cta * 0.25

【标题】
（暂无标题）

【简介】
原来古人真不是乱画，老祖宗真的是写实派，这幅元代的怪鸟，现实中竟真的存在！
#老祖宗的智慧#古画#黄腹角雉#何以华夏#罕见鸟种

【文案类型】
综合类

【口播文案 · 原版提取】
为你吹不断，千里挑灯看剑，剑舞阑珊。台下一曲离乱，出口声四方，寒白衣辞君，剑雪落凝寒霜。
（⚠️ 注：本条视频无旁白，转录内容为 BGM 歌词）

【爆款度评分】
🔥 综合评分：49 分 · 等级：A 待优化
├─ 钩子力度：55/100
├─ 信息密度：50/100
├─ 情绪张力：40/100
└─ CTA 强度：50/100

【平台适配时长】
识别平台：douyin（语速 4.5 字/秒）
总字数：44 字
建议口播时长：约 10 秒

from extract import extract_single

result = extract_single(
    "https://v.douyin.com/xxx",
    cdp_endpoint="http://127.0.0.1:9222",  # 推荐
    transcript_timeout=120,
    verbose=True,
)

# 访问字段
print(result.score.total)           # 综合评分
print(result.structure.hook)         # 钩子
print(result.compressed_30s)         # 30秒精简版
print(result.compliance.a_level)     # A 级违禁词

# 额外从 info 拿到 dousnap 附加数据
print(getattr(result.info, "_video_direct_url", ""))  # 无水印视频
print(getattr(result.info, "_audio_direct_url", ""))  # 音频直链
print(getattr(result.info, "_cover_url", ""))         # 封面
print(getattr(result.info, "_images", []))            # 图集

from dousnap_extract import fetch_via_dousnap

r = fetch_via_dousnap(
    "https://v.douyin.com/xxx",
    cdp_endpoint="http://127.0.0.1:9222",
    verbose=True,
)
# r = {"success": True, "title": ..., "description": ..., "transcript": ..., ...}