Merge pull request 'feat(scrapers): cian SERP на BrowserFetcher (camoufox), снят code-side rotate (#1806)' (#1810) from feat/cian-serp-browser into main

Reviewed-on: #1810

tradein-mvp/backend/app/services/scrapers/cian.py

@@ -5,9 +5,12 @@
 - URL pattern: https://ekb.cian.ru/cat.php?deal_type=sale&offer_type=flat&engine_version=2
   ekb.cian.ru — city-specific subdomain для ЕКБ (per Schema_Cian_SERP_Inventory sec 13).
 
-ВАЖНО: Циан блокирует httpx по TLS fingerprint → "Обнаружен подозрительный трафик" (403).
-Используем curl_cffi с impersonate='chrome120' — это libcurl-impersonate под капотом,
-который воспроизводит TLS ClientHello как настоящий Chrome.
+ВАЖНО: Циан блокирует httpx/curl по TLS+fingerprint и сыплет Google reCAPTCHA на
+датацентр-IP. Транспорт SERP переведён на BrowserFetcher (camoufox real-browser
+fingerprint через tradein-browser сервис, #1806 / epic #883 Phase 2). Браузер
+отдаёт полный SSR-HTML с Redux initialState — парсинг state не меняется.
+Мобильный прокси (ha.mobileproxy.space) применяется server-side в браузер-контейнере
+и ротирует IP сам, поэтому code-side _rotate_ip (changeip) больше не нужен.
 
 НЕ используем anchor jitter: offer.geo.coordinates.{lat,lng} — точные координаты
 прямо из SERP state. Jitter запрещён per implementation plan.
@@ -16,7 +19,6 @@ Exhaustive load (fetch_all_secondary):
 - Cian SERP — регион-wide (не geo-bbox). Anchor-loop в существующем city-sweep
   избыточен для Cian (все anchor'ы дают одну выдачу). Полный сбор = ОДИН проход
   с партиционированием по КОМНАТНОСТИ × ЦЕНЕ (адаптивное бинарное деление диапазона).
-- IP-ротация через _rotate_ip() (changeip, зеркало avito.py).
 """
 
 from __future__ import annotations
@@ -32,11 +34,11 @@ from typing import Any
 from urllib.parse import urlencode
 
 import sentry_sdk
-from curl_cffi.requests import AsyncSession
 
 from app.core.config import settings
 from app.services.scraper_settings import get_scraper_delay
 from app.services.scrapers.base import BaseScraper, ScrapedLot
+from app.services.scrapers.browser_fetcher import BrowserFetcher
 from app.services.scrapers.cian_state_parser import extract_state
 from app.services.scrapers.price_brackets import get_price_seed_brackets
 from app.services.scrapers.repair_state_normalizer import (
@@ -82,10 +84,14 @@ _DEFAULT_ROOMS_BUCKETS: list[tuple[int, ...]] = [
 
 
 class CianScraper(BaseScraper):
-    """Cian SERP scraper. Использует curl_cffi для обхода TLS fingerprint.
+    """Cian SERP scraper. Тянет SSR-HTML через BrowserFetcher (camoufox).
 
     Извлекает 137 полей на offer из Redux initialState через cian_state_parser.
     Координаты точные — НЕТ anchor jitter (offer.geo.coordinates).
+
+    Транспорт: одна BrowserFetcher(source="cian") сессия открывается в __aenter__
+    и переиспользуется на всех page-fetch'ах (#1806). camoufox-fingerprint + мобильный
+    прокси server-side обходят Cian reCAPTCHA; IP ротирует сам прокси.
     """
 
     name = "cian"
@@ -97,79 +103,34 @@ class CianScraper(BaseScraper):
     def __init__(self) -> None:
         super().__init__()
         self.request_delay_sec = get_scraper_delay(self.name)
-        self._cffi: AsyncSession | None = None
+        self._browser: BrowserFetcher | None = None
 
     async def __aenter__(self) -> CianScraper:
         await super().__aenter__()
-        # curl_cffi session с Chrome 120 TLS fingerprint — КРИТИЧЕСКИ ВАЖНО для Cian.
-        # proxies: mobile-proxy egress (#806) — аналогично Avito (#623). Без прокси
-        # datacenter-IP блокируется Cian (403/captcha) несмотря на валидные cookies.
-        # Пусто (SCRAPER_PROXY_URL/AVITO_PROXY_URL не заданы) → прямое подключение (dev).
-        _proxy_url = settings.cian_proxy_url
-        _proxies = {"http": _proxy_url, "https": _proxy_url} if _proxy_url else None
-        self._cffi = AsyncSession(
-            impersonate="chrome120",
-            timeout=30,
-            proxies=_proxies,
-            headers={
-                "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
-                "Accept-Language": "ru-RU,ru;q=0.9,en;q=0.8",
-                "Cache-Control": "max-age=0",
-                "Sec-Fetch-Dest": "document",
-                "Sec-Fetch-Mode": "navigate",
-                "Sec-Fetch-Site": "none",
-                "Sec-Fetch-User": "?1",
-                "Upgrade-Insecure-Requests": "1",
-            },
-        )
-        # Warm-up: посетить homepage чтобы получить сессионные cookies (_CIAN_GK/_yasc)
-        # и не выглядеть как наглый бот (первый запрос сразу на /cat.php подозрителен).
-        # Failure не критична — SERP-запросы продолжатся в любом случае.
-        try:
-            _warm = await self._cffi.get(f"{self.base_url}/")
-            logger.info(
-                "cian warm-up GET / → HTTP %d (cookies=%d)",
-                _warm.status_code,
-                len(list(self._cffi.cookies.jar)),
-            )
-            # Последующие SERP-запросы выглядят как in-site navigation (Referer = /)
-            self._cffi.headers.update(
-                {
-                    "Referer": f"{self.base_url}/",
-                    "Sec-Fetch-Site": "same-origin",
-                }
-            )
-        except Exception:
-            logger.warning("cian warm-up GET / failed — continuing without seed cookies")
+        # Одна BrowserFetcher(source="cian") сессия на весь scrape — camoufox real-browser
+        # fingerprint через tradein-browser сервис (#1806). Сервер роутит /fetch на
+        # отдельный браузер+мобильный прокси для cian. Прокси ротирует IP сам, поэтому
+        # code-side warm-up cookies и changeip-ротация больше не нужны.
+        self._browser = BrowserFetcher(source="cian")
+        await self._browser.__aenter__()
         return self
 
     async def __aexit__(self, *args: Any) -> None:
-        if self._cffi is not None:
-            await self._cffi.close()
+        if self._browser is not None:
+            await self._browser.__aexit__(*args)
+            self._browser = None
         await super().__aexit__(*args)
 
-    # ── Anti-block: IP rotation (зеркало avito.py _rotate_ip) ─────────────────
+    # ── Anti-block: IP rotation ───────────────────────────────────────────────
 
     async def _rotate_ip(self) -> bool:
-        """Сменить мобильный IP через changeip-ссылку mobileproxy.
+        """No-op после миграции на BrowserFetcher (#1806).
 
-        Дёргается напрямую (без прокси) — это API провайдера, не Cian. Ждём ~9с:
-        мобильному модему нужно время поднять новый IP. Returns True при успехе.
-        Зеркало AvitoScraper._rotate_ip (#623).
+        Мобильный прокси в браузер-контейнере ротирует IP сам, code-side changeip
+        больше не нужен. Метод сохранён (returns False) для обратной совместимости
+        с вызовом в _walk_price_range и тестами, которые его мокают.
         """
-        rotate_url = settings.cian_proxy_rotate_url or settings.avito_proxy_rotate_url
-        if not rotate_url:
-            return False
-        sep = "&" if "?" in rotate_url else "?"
-        try:
-            async with AsyncSession(timeout=30) as rot:
-                await rot.get(f"{rotate_url}{sep}format=json")
-            await asyncio.sleep(9)
-            logger.info("cian proxy: IP rotated via changeip")
-            return True
-        except Exception:
-            logger.warning("cian proxy: IP rotation failed", exc_info=True)
-            return False
+        return False
 
     async def fetch_around(
         self,
@@ -189,17 +150,13 @@ class CianScraper(BaseScraper):
         """
         url = self._build_url(rooms, page)
         try:
-            assert self._cffi is not None
-            response = await self._cffi.get(url)
+            assert self._browser is not None
+            html = await self._browser.fetch(url)
         except Exception:
-            logger.exception("cian curl_cffi fetch failed for url=%s", url)
+            logger.exception("cian BrowserFetcher fetch failed for url=%s", url)
             return []
 
-        if response.status_code != 200:
-            logger.warning("cian returned HTTP %d for url=%s", response.status_code, url)
-            return []
-
-        lots = self._parse_serp_html(response.text)
+        lots = self._parse_serp_html(html)
         logger.info(
             "cian: %d lots fetched rooms=%s page=%d url=%s",
             len(lots),
@@ -299,18 +256,14 @@ class CianScraper(BaseScraper):
         min_price: int | None,
         max_price: int | None,
     ) -> str | None:
-        """GET одной SERP-страницы, возвращает HTML или None при ошибке."""
-        assert self._cffi is not None
+        """GET одной SERP-страницы через BrowserFetcher, возвращает HTML или None при ошибке."""
+        assert self._browser is not None
         url = self._build_url(rooms, page, min_price, max_price)
         try:
-            resp = await self._cffi.get(url)
+            return await self._browser.fetch(url)
         except Exception:
-            logger.exception("cian: GET failed url=%s", url)
+            logger.exception("cian: BrowserFetcher fetch failed url=%s", url)
             return None
-        if resp.status_code != 200:
-            logger.warning("cian: HTTP %d for url=%s", resp.status_code, url)
-            return None
-        return resp.text
 
     async def fetch_all_secondary(
         self,
@@ -446,21 +399,22 @@ class CianScraper(BaseScraper):
         if html is not None:
             total = self._extract_total_offers(html)
 
-        # Ретрай на captcha/ошибку: rotate IP + 1 retry
+        # Ретрай на captcha/ошибку: 1 повторный fetch. Мобильный прокси в браузер-
+        # контейнере ротирует IP сам (#1806), поэтому отдельный changeip-вызов
+        # (_rotate_ip) больше не нужен — просто повторяем запрос на чистом IP.
         if total is None:
             logger.warning(
-                "cian: totalOffers=None for %s [%d, %s] depth=%d — rotating IP + retry",
+                "cian: totalOffers=None for %s [%d, %s] depth=%d — retry (proxy auto-rotates IP)",
                 room_label,
                 lo,
                 _hi_repr,
                 _depth,
             )
-            rotated = await self._rotate_ip()
-            if rotated:
-                html = await self._fetch_page_html(rooms, 1, _lo_param, hi)
-                await self.sleep_between_requests()
-                if html is not None:
-                    total = self._extract_total_offers(html)
+            await self._rotate_ip()  # no-op (back-compat); прокси ротирует IP сам
+            html = await self._fetch_page_html(rooms, 1, _lo_param, hi)
+            await self.sleep_between_requests()
+            if html is not None:
+                total = self._extract_total_offers(html)
 
         if total is None:
             logger.error(

tradein-mvp/backend/tests/scrapers/test_cian_exhaustive.py

@@ -51,7 +51,7 @@ def scraper() -> CianScraper:
     s.name = "cian"
     s.base_url = "https://ekb.cian.ru"
     s.request_delay_sec = 0.0
-    s._cffi = MagicMock()  # не None → assert self._cffi is not None пройдёт
+    s._browser = MagicMock()  # не None → assert self._browser is not None пройдёт
     return s
 
 

tradein-mvp/backend/tests/test_cian_serp_scraper.py

@@ -5,6 +5,7 @@ Fixture формирует минимальный JS push() conforming to _cianC
 """
 
 import json
+from unittest.mock import AsyncMock, MagicMock, patch
 
 import pytest
 
@@ -454,6 +455,103 @@ def test_cian_serp_no_coords_does_not_crash():
     assert lots[0].lon is None
 
 
+# ── Transport: BrowserFetcher (camoufox) миграция (#1806) ────────────────────
+
+
+@pytest.mark.asyncio
+async def test_cian_aenter_opens_browser_fetcher() -> None:
+    """__aenter__ открывает ОДНУ BrowserFetcher(source="cian") сессию (camoufox)."""
+    mock_browser = MagicMock()
+    mock_browser.__aenter__ = AsyncMock(return_value=mock_browser)
+    mock_browser.__aexit__ = AsyncMock(return_value=None)
+
+    captured: dict = {}
+
+    def _fake_browser(*args, **kwargs):
+        captured["source"] = kwargs.get("source") if kwargs else (args[0] if args else None)
+        return mock_browser
+
+    scraper = CianScraper()
+    with patch("app.services.scrapers.cian.BrowserFetcher", _fake_browser):
+        await scraper.__aenter__()
+
+    mock_browser.__aenter__.assert_awaited_once()
+    assert scraper._browser is mock_browser
+    assert captured["source"] == "cian"
+
+    await scraper.__aexit__(None, None, None)
+    mock_browser.__aexit__.assert_awaited_once()
+    assert scraper._browser is None
+
+
+@pytest.mark.asyncio
+async def test_cian_fetch_page_html_uses_browser_fetcher() -> None:
+    """_fetch_page_html тянет HTML через BrowserFetcher.fetch, не через curl_cffi."""
+    scraper = CianScraper.__new__(CianScraper)
+    scraper.name = "cian"
+    scraper.base_url = "https://ekb.cian.ru"
+    scraper.request_delay_sec = 0.0
+
+    fetched_urls: list[str] = []
+
+    async def fake_fetch(url: str) -> str:
+        fetched_urls.append(url)
+        return "<html>serp-page</html>"
+
+    scraper._browser = MagicMock()
+    scraper._browser.fetch = AsyncMock(side_effect=fake_fetch)
+
+    html = await scraper._fetch_page_html((2,), 1, None, None)
+
+    assert html == "<html>serp-page</html>"
+    assert len(fetched_urls) == 1
+    assert "cat.php" in fetched_urls[0]
+
+
+@pytest.mark.asyncio
+async def test_cian_fetch_page_html_returns_none_on_browser_error() -> None:
+    """Если BrowserFetcher.fetch падает — _fetch_page_html возвращает None (не краш)."""
+    scraper = CianScraper.__new__(CianScraper)
+    scraper.name = "cian"
+    scraper.base_url = "https://ekb.cian.ru"
+    scraper.request_delay_sec = 0.0
+
+    scraper._browser = MagicMock()
+    scraper._browser.fetch = AsyncMock(side_effect=RuntimeError("browser down"))
+
+    html = await scraper._fetch_page_html((1,), 2, 1_000_000, 5_000_000)
+    assert html is None
+
+
+@pytest.mark.asyncio
+async def test_cian_fetch_around_parses_browser_html() -> None:
+    """fetch_around парсит лоты из SSR-HTML, отданного BrowserFetcher."""
+    offer = _make_full_offer(cian_id=777)
+    serp_html = _make_cian_serp_html([offer])
+
+    scraper = CianScraper.__new__(CianScraper)
+    scraper.name = "cian"
+    scraper.base_url = "https://ekb.cian.ru"
+    scraper.request_delay_sec = 0.0
+    scraper._browser = MagicMock()
+    scraper._browser.fetch = AsyncMock(return_value=serp_html)
+
+    with patch.object(scraper, "sleep_between_requests", new_callable=AsyncMock):
+        lots = await scraper.fetch_around(56.84, 60.60, rooms=(2,), page=1)
+
+    assert len(lots) == 1
+    assert lots[0].source_id == "777"
+    scraper._browser.fetch.assert_awaited_once()
+
+
+@pytest.mark.asyncio
+async def test_cian_rotate_ip_is_noop() -> None:
+    """_rotate_ip после миграции — no-op, всегда False (прокси ротирует IP сам)."""
+    scraper = CianScraper.__new__(CianScraper)
+    result = await scraper._rotate_ip()
+    assert result is False
+
+
 # ── Address formatter tests ──────────────────────────────────────────────────