init

backend/app/netflix.py

@@ -0,0 +1,53 @@
+"""Die echte Netflix-Titel-ID aus TMDBs Watch-Seite lesen.
+
+Die API liefert nur den Anbieternamen. Die Titel-ID steht ausschließlich im
+HTML der Watch-Seite, URL-kodiert im Weiterleitungslink von JustWatch.
+
+Ohne sie bliebe nur eine Netflix-Titelsuche, und die geht ins Leere, sobald
+Netflix den Film anders nennt: "LIENZO" heißt dort "Die Leinwand".
+"""
+
+import asyncio
+import logging
+import re
+
+import httpx
+
+log = logging.getLogger("netflix")
+
+TITLE_ID = re.compile(r"netflix\.com%2Ftitle%2F(\d+)")
+UA = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 Chrome/131.0"
+# Zu dichte Abrufe drosselt TMDB. Die Seite kommt dann mit Status 200, aber
+# ohne Anbieterblock. Filme ohne ID versucht der nächste Sync erneut.
+PAUSE = 1.5
+
+
+def watch_url(movie_id):
+    return f"https://www.themoviedb.org/movie/{movie_id}/watch?locale=DE"
+
+
+def title_url(netflix_id):
+    return f"https://www.netflix.com/de/title/{netflix_id}"
+
+
+async def fetch_ids(movie_ids):
+    """Seriell, mit Pause. Gibt {tmdb_id: netflix_id} für alles Gefundene."""
+    found = {}
+    async with httpx.AsyncClient(
+        headers={"User-Agent": UA}, timeout=60.0, follow_redirects=True
+    ) as http:
+        for index, movie_id in enumerate(movie_ids, 1):
+            try:
+                resp = await http.get(watch_url(movie_id))
+                # Mehrere IDs bedeuten mehrere Fassungen — Godzilla Minus One
+                # liegt in Farbe und in Schwarzweiß. Die erste Kachel ist die
+                # Hauptfassung.
+                ids = TITLE_ID.findall(resp.text)
+                if ids:
+                    found[movie_id] = ids[0]
+            except httpx.HTTPError:
+                log.warning("Watch-Seite nicht erreichbar: %s", movie_id)
+            if index % 50 == 0:
+                log.info("  %s/%s Watch-Seiten gelesen", index, len(movie_ids))
+            await asyncio.sleep(PAUSE)
+    return found