M3U8 视频源采集源头溯源（启动名：查源）

启动名：查源 — 一句话用法：「用查源处理 <M3U8链接或文件>」。给一条 M3U8 链接，反查其背后的资源采集站/分发站。

用途

给定一条或多条 M3U8 / HLS 视频源 URL（侵权取证场景中的播放链接），反向溯源其背后的资源采集站 / 资源分发站（影视资源收集、聚合、向下游影视站分发的网站）。产出结构化的取证报告，逐条把视频源 host 对应到采集源头。

适用场景：

用户提供单个 M3U8 链接，问"这个视频源是哪个资源站/采集站的"
用户提供一批 M3U8 链接（如 Excel 中的 host 列），要求批量溯源
版权取证、侵权资源链路分析、资源站生态调研

不适用：单纯播放/下载 M3U8、转码、或帮助用户搭建/运营资源站（不在本技能范围）。

功能一览

多格式输入：单条/多条 M3U8 链接、Excel（.xlsx）、CSV、TXT，自动提取注册域名并区分 URL 类型（m3u8 直接源 / playpage 下游播放页 / other）。
混合数据兼容：取证文件常同时含"CDN 源列 + 播放页列"（如 A 列 m3u8、B 列 gimyai.tw 播放页），两者都处理——m3u8 溯源采集站，播放页域名本身即"资源发布网站"。
六法联动溯源：① CDN 域名语义（拼音缩写识别）② 苹果 CMS 采集 API 探测（最强证据，返回 {code:1} 即确认）③ SSL 证书 SAN 关联 ④ URL 路径结构比对 ⑤ 多域名轮换追踪 ⑥ 搜索引擎关联。
已知库直查：内置 7+ 已核验资源站数据库（极速/如意/最大/优质/魔都/无水印/电影天堂等）、拼音缩写字典、检测特征，命中即出结果。
取证报告生成：自动产出 3-Sheet Excel（逐条对应 / 汇总统计 / 方法说明），绿底=已溯源、红底=未溯源、冻结首行，便于回查与归档。

快速用法

# 1) 提取输入文件中的 URL 与注册域名（标注 url_type）
python scripts/trace.py extract --in 输入.xlsx --out domains.json

# 2) 对可疑域名做 SSL 证书关联分析（发现同证域名）
python scripts/trace.py ssl 域名

# 3) 把人工/自动溯源结果写成 results.json 后生成报告
python scripts/trace.py report --in results.json --out 视频源溯源分析报告.xlsx

最简用法：直接把 M3U8 链接或含链接的 Excel 丢给本技能，按工作流自动跑完并给出"视频源 → 采集站"对应表与取证报告。

核心概念

CDN 播放域名：M3U8 URL 中的注册域名（如 vv.jisuzyv.com → 注册域名 jisuzyv.com）。资源站通过 CDN 域名直接对外提供切片播放。
资源采集站（源站）：运营这些播放域名的影视资源聚合网站，通过标准化的苹果 CMS 采集 API（api.php/provide/vod/from/标识m3u8/）向下游影视站分发资源。
多域名轮换：资源站常同时/轮换使用多个 CDN 播放域名（modujx.com → modujx10.com → modujx11.com；yzzy-play 系列编号轮换）。
首页跳转陷阱：多数采集站的 API 域名首页会被设为 meta refresh 0.1 秒跳转到百度（api.zuidapi.com 即如此），直接浏览器打开会"自动关闭/跳走"，但 api.php 接口路径正常工作。溯源时不要依赖首页，直接探测接口。

工作流

步骤 1 — 归一化输入并提取注册域名

支持三类输入：

单条/多条 M3U8 URL（用户直接粘贴）
含 URL 列的 Excel（.xlsx，可多列）
CSV / TXT（每行一个 URL）

使用 scripts/trace.py 的 extract 子命令提取每条 URL 的 注册域名（剥离子域名 vv./play./v6./svip./cdn./v14. 等，仅保留最后两段；对 .com.cn/.net.cn 等多段后缀保留三段），并标注 URL 类型：

python scripts/trace.py extract --in 输入文件 --out domains.json

url_type 取值：

m3u8：以 .m3u8 结尾或含 /hls/ → 直接 CDN 源，直接进入步骤 2/3 溯源采集站。
playpage：以 .html 结尾或含 /play/、/v/、/detail/ → 下游影视站播放页。这类 URL 本身是"资源发布网站"页面，需先用 WebFetch 抓取页面、提取其中内嵌的 m3u8 链接，再对 m3u8 溯源；同时把播放页域名（如 gimyai.tw）作为"发布站点"单独记录。
other：其它，按内容判断。

关键：真实取证数据中 m3u8 与播放页常混在同一文件的不同列（如 A 列是 CDN 源、B 列是播放页）。两者都要处理——m3u8 用于溯源采集站，播放页域名本身就是要找的"资源发布网站"。

也可在内存中直接用正则 https?://([^/:]+) 取 host 后按上述规则取注册域名。

步骤 2 — 查已知库直接命中

加载 references/known_stations.md，将提取出的注册域名与库内条目比对：

直接命中 → 标记为 traced，填入站名、采集 API、备用域名、其他 CDN、证据。
未命中 → 进入步骤 3 做联网调查。

步骤 3 — 未命中域名的联网溯源（核心）

对未知域名，综合运用 references/methodology.md 中的方法，至少覆盖：

CDN 域名语义分析：域名是否包含资源站名拼音缩写（如 jisuzyv=极速资源、zuidazy=最大资源、modujx=魔都解析）。用缩写字典辅助假设。
苹果 CMS 接口探测：直接请求 http(s)://域名/api.php/provide/vod/from/猜测标识m3u8/at/json/，若返回 {code:1,...} 结构化 JSON 即确认其为采集 API 源站。这是最强证据。
SSL 证书关联：用 scripts/trace.py ssl 域名 抓取证书 SAN，发现关联域名（如 xluuss.com 证书签发给 subokk.com）推断归属。
URL 路径结构比对：不同资源站切片路径有特征（如 mixed.m3u8 vs index.m3u8、日期目录格式），比对已知站结构。
搜索引擎关联：WebSearch 查询域名资源采集 m3u8 / 域名影视站，找调用该域名的下游站或资源站列表。
多域名轮换追踪：发现同族编号域名（如 modujx10/modujx11），回溯到主站。

优先用 WebSearch + WebFetch 验证假设，不要凭缩写臆断，每条结论需有可复核证据（API 响应、证书、搜索结果）。

步骤 4 — 组装溯源档案

对每条视频源，整理字段：

| 字段 | 说明 | |---|---| | 文档行号 | 原文件中的行号（便于回查） | | 视频源 URL | 原始 M3U8 链接 | | CDN 播放域名 | 提取的注册域名 | | 关联资源采集站 | 站名（未溯源标注"未溯源 + 推测"） | | 采集 API 接口 | 苹果 CMS 采集接口 URL | | 官网/备用域名 | 源站主域 / API 域 | | 其他 CDN 域名 | 同站轮换的其他播放域名 | | 溯源依据 | 证据链（接口响应 / 证书 / 路径 / 搜索） |

步骤 5 — 生成取证报告

将溯源结果写入 results.json（结构见 scripts/trace.py 注释），用 report 子命令生成 Excel：

python scripts/trace.py report --in results.json --out 视频源溯源分析报告.xlsx

报告含 3 个 Sheet：视频源host溯源（13 条逐条对应，绿底=已溯源/红底=未溯源，冻结首行）、汇总统计、溯源方法说明。颜色编码：绿色=已溯源，红色=未溯源，黄色=方法/说明。

若用户直接要结果而不需要 Excel，也可在对话中以表格形式输出步骤 4 的字段。

脚本说明

scripts/trace.py 提供三个子命令：

extract --in 文件 --out json：从 xlsx/csv/txt 提取 URL 与注册域名。
ssl 域名：抓取该域名 SSL 证书的主题备用名（SAN），用于关联分析。
report --in results.json --out xlsx：根据溯源结果 JSON 生成格式化 Excel 取证报告。

注意事项与局限

资源站域名频繁更换，已知库可能过期；联网溯源结果以当下查询为准，并在报告中标注查询时间。
部分域名属私有 CDN（被多个小型影视站调用、无公开采集 API），只能推测归属，须如实标注"未溯源"。
本报告为技术层面反向溯源（CDN 域名 → 采集站），不等同于法律上的运营主体认定；如需追责主体，需结合 ICP 备案、WHOIS 注册人等进一步取证。
遵守本国法律法规，仅用于合法版权取证与维权，不得用于协助侵权资源的分发或运营。