ewoooc/utils/image_url_builder.py

# cSpell:ignore momo goodsimg webp
"""
MOMO 商品圖片 URL 構建器
根據 i_code 直接構建商品圖片 URL，不需要從頁面抓取
"""
import re
import random
import requests
from typing import Optional

def build_image_url(i_code: str) -> Optional[str]:
    """
    根據 i_code 構建 MOMO 商品圖片 URL

    MOMO 圖片 URL 格式：
    1. TP 開頭: https://i{1-8}.momoshop.com.tw/{timestamp}/goodsimg/TP000/{XXXX}/{YYYY}/{ZZZ}/{i_code}_O.webp
    2. 純數字: https://i{1-8}.momoshop.com.tw/{timestamp}/goodsimg/{XXXX}/{YYY}/{ZZZ}/{i_code}_OL_m.webp

    Args:
        i_code: 商品編號

    Returns:
        圖片 URL，如果無法構建則返回 None
    """
    if not i_code:
        return None

    # 隨機選擇一個 CDN 服務器 (i1-i8)
    cdn_num = random.randint(1, 8)

    if i_code.startswith('TP'):
        # TP 開頭的商品
        # 格式: TP00008290000375 -> TP000/0829/0000/375/TP00008290000375_O.webp
        # 去掉 TP 前綴，然後按照 4-4-4-3 的格式分割
        code_without_tp = i_code[2:]  # 去掉 'TP'

        if len(code_without_tp) >= 15:
            part1 = code_without_tp[0:4]    # 0000
            part2 = code_without_tp[4:8]    # 8290
            part3 = code_without_tp[8:12]   # 0000
            part4 = code_without_tp[12:]    # 375

            # 構建路徑
            path = f"TP000/{part2}/{part3}/{part4}"

            # 嘗試多種可能的格式
            possible_formats = [
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_O.webp",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_O.jpg",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_O_m.jpg",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_OL_m.webp",
            ]

            # 嘗試每個格式，返回第一個有效的
            for url in possible_formats:
                if verify_image_url(url):
                    return url

    else:
        # 純數字商品
        # 格式: 14548538 -> 0014/548/538/14548538_OL_m.webp
        try:
            # 確保是純數字
            code_num = int(i_code)
            code_str = str(code_num).zfill(8)  # 補齊到 8 位

            # 按照 4-3-3 的格式分割（從右邊開始）
            part3 = code_str[-3:]           # 538
            part2 = code_str[-6:-3]         # 548
            part1 = code_str[:-6].zfill(4)  # 0014

            # 構建路徑
            path = f"{part1}/{part2}/{part3}"

            # 嘗試多種可能的格式
            possible_formats = [
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_OL_m.webp",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_O_m.webp",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_L.webp",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_OL_m.jpg",
                f"https://i{cdn_num}.momoshop.com.tw/goodsimg/{path}/{i_code}_O_m.jpg",
            ]

            # 嘗試每個格式
            for url in possible_formats:
                if verify_image_url(url):
                    return url

        except ValueError:
            # 不是純數字
            pass

    return None


def verify_image_url(url: str, timeout: int = 3) -> bool:
    """
    驗證圖片 URL 是否有效

    Args:
        url: 圖片 URL
        timeout: 超時時間（秒）

    Returns:
        True 如果圖片可訪問，False 否則
    """
    try:
        response = requests.head(url, timeout=timeout, allow_redirects=True)
        return response.status_code == 200
    except:
        return False


def get_product_image_url(i_code: str) -> Optional[str]:
    """
    獲取商品圖片 URL（直接從商品詳情頁 meta 標籤獲取）

    這是最可靠的方法，因為 MOMO 的圖片 URL 格式包含動態 timestamp

    Args:
        i_code: 商品編號

    Returns:
        圖片 URL，如果無法獲取則返回 None
    """
    return fetch_image_from_detail_page(i_code)


def fetch_image_from_detail_page(i_code: str) -> Optional[str]:
    """
    從商品詳情頁面抓取圖片 URL

    Args:
        i_code: 商品編號

    Returns:
        圖片 URL，如果無法抓取則返回 None
    """
    try:
        # MOMO 商品詳情頁 URL
        detail_url = f"https://www.momoshop.com.tw/goods/GoodsDetail.jsp?i_code={i_code}"

        # 添加必要的 headers 避免被封鎖
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
            'Accept-Language': 'zh-TW,zh;q=0.9,en-US;q=0.8,en;q=0.7',
            'Accept-Encoding': 'gzip, deflate, br',
            'Connection': 'keep-alive',
        }

        response = requests.get(detail_url, headers=headers, timeout=10)
        if response.status_code != 200:
            return None

        html = response.text

        # 使用正則表達式查找圖片 URL
        # MOMO 的主圖在 og:image meta 標籤中
        pattern = r'<meta property="og:image" content="([^"]+)"'
        match = re.search(pattern, html, re.IGNORECASE)

        if match:
            img_url = match.group(1)
            # 正規化 URL
            if img_url.startswith('//'):
                img_url = 'https:' + img_url
            elif img_url.startswith('/'):
                img_url = 'https://www.momoshop.com.tw' + img_url
            return img_url

    except Exception as e:
        print(f"從詳情頁抓取圖片失敗: {e}")

    return None


if __name__ == "__main__":
    # 測試
    test_codes = [
        "14548538",           # 純數字
        "TP00008290000375",   # TP 開頭
        "12092813",           # 另一個純數字
    ]

    print("🧪 測試圖片 URL 構建器\n")
    for i_code in test_codes:
        print(f"商品編號: {i_code}")
        url = build_image_url(i_code)
        if url:
            print(f"✅ 圖片 URL: {url}")
        else:
            print(f"❌ 無法構建圖片 URL")
        print()