修复 Pinterest 爬取全部失败：1) 共享 .chrome_session 登录态下 Chrome 单例，并发启动互相抢占导致 browser has been closed，并发强制为 1；2) 系统代理 6696 是 SOCKS5，之前按 HTTP 代理传给 Chrome 导致 ERR_CONNECTION_CLOSED，新增代理类型探测返回 socks5:// scheme；3) 爬取前一次性校验代理，失效时给出明确警告

config.yaml

@@ -46,7 +46,7 @@ pinterest:
   analyze_per_term: 6         # 每个搜索词最多分析几张图（生成设计简报）
   max_designs: 10             # 本次最多生成多少个设计
   ref_images_per_design: 1    # 生图时每个设计附带几张爬取图作为参考（发给生图模型）
-  scrape_concurrency: 2       # 同时爬取几个搜索词（每个会开一个 Chrome 窗口）
+  scrape_concurrency: 1       # 同时爬取几个搜索词（共享 .chrome_session 登录态，Chrome 单例，必须=1）
   headless: false             # 爬取时是否无头（false=显示 Chrome 窗口，首次需手动登录）
 
 # 跨源融合权重（按 source 标签，无需和为 1）

graph/nodes/pinterest_scrape_node.py

@@ -46,6 +46,23 @@ def pinterest_scrape_node(state: Dict[str, Any]) -> Dict[str, Any]:
     headless = bool(pcfg.get("headless", False))
     proxy = pcfg.get("proxy") or None
 
+    # 所有搜索词共享同一个 .chrome_session 登录态目录，Chrome 对同一 user-data-dir 是单例，
+    # 并发启动会互相抢占导致 "browser has been closed"，必须串行爬取。
+    if concurrency > 1:
+        print(f"[pinterest_scrape] 共享登录态目录不支持并发，scrape_concurrency 强制为 1（原 {concurrency}）")
+        concurrency = 1
+
+    # 一次性探测并校验代理（Pinterest 需代理才能访问；代理失效时给出明确警告，避免逐词静默失败）
+    if proxy is None:
+        try:
+            from pinterest_scraper.pinterest_image_capture import detect_proxy, get_system_proxy, _validate_proxy
+            proxy = detect_proxy() or get_system_proxy()
+        except Exception:  # noqa: BLE001
+            proxy = None
+    if proxy and not _validate_proxy(proxy):
+        print(f"[pinterest_scrape] 警告：代理 {proxy} 无法连通外网，请检查代理/VPN 是否正常，"
+              f"否则 Pinterest 将无法访问（爬取会失败）")
+
     results: Dict[str, List[str]] = {}
     skipped: List[str] = []
 

pinterest_scraper/pinterest_image_capture.py

@@ -39,6 +39,59 @@ def _probe_proxy(url: str) -> bool:
         return False
 
 
+def _validate_proxy(proxy_url: str) -> bool:
+    """实测代理能否连通外网（短超时）。SOCKS5 用原生握手+CONNECT，HTTP 用 urllib。"""
+    if proxy_url.startswith("socks5://"):
+        host_port = proxy_url.split("://", 1)[1]
+        host, _, port = host_port.rpartition(":")
+        try:
+            s = socket.create_connection((host, int(port)), timeout=3)
+            try:
+                s.sendall(bytes([0x05, 0x01, 0x00]))  # greeting
+                if s.recv(2) != b"\x05\x00":
+                    return False
+                # CONNECT www.gstatic.com:443
+                addr = b"\x03" + bytes([len("www.gstatic.com")]) + b"www.gstatic.com"
+                req = bytes([0x05, 0x01, 0x00, 0x03]) + addr + (443).to_bytes(2, "big")
+                s.sendall(req)
+                resp = s.recv(10)
+                return len(resp) >= 2 and resp[1] == 0x00
+            finally:
+                s.close()
+        except OSError:
+            return False
+    return _probe_proxy(proxy_url)
+
+
+def _normalize_proxy(proxy: str) -> str:
+    """探测代理类型（SOCKS5 / HTTP）并补全正确 scheme。
+
+    系统设置里的代理端口常见是 SOCKS5（Clash/v2ray），但 Playwright/Chrome 需要显式
+    socks5:// 前缀；按 HTTP 代理去连会全部 ERR_CONNECTION_CLOSED。
+    """
+    proxy = proxy.strip().rstrip("/")
+    if proxy.startswith(("http://", "https://", "socks5://", "socks4://")):
+        return proxy
+    host_port = proxy
+    if "://" in proxy:
+        host_port = proxy.split("://", 1)[1]
+    host, _, port = host_port.rpartition(":")
+    if not host or not port.isdigit():
+        return f"http://{host_port}"
+    try:
+        s = socket.create_connection((host, int(port)), timeout=2)
+        try:
+            s.sendall(bytes([0x05, 0x01, 0x00]))  # SOCKS5 greeting: ver5, 1 method, no-auth
+            resp = s.recv(2)
+            if resp == b"\x05\x00":
+                return f"socks5://{host_port}"
+        finally:
+            s.close()
+    except OSError:
+        pass
+    return f"http://{host_port}"
+
+
 def _read_windows_registry_proxy() -> str | None:
     """直接读取 Windows 系统代理配置（设置 → 网络 → 代理），免去端口扫描猜测。
 
@@ -65,7 +118,7 @@ def _read_windows_registry_proxy() -> str | None:
         first = proxy_server.split(";")[0]
         if "=" in first:
             first = first.split("=", 1)[1]
-        return ("http://" + first) if not first.startswith("http") else first
+        return first
     except Exception:
         return None
 
@@ -84,19 +137,21 @@ def detect_proxy() -> str | None:
     for env in ("HTTPS_PROXY", "https_proxy", "HTTP_PROXY", "http_proxy"):
         val = os.environ.get(env)
         if val:
-            return val.rstrip("/")
+            return _normalize_proxy(val.rstrip("/"))
 
     # 2. 直接读 Windows 注册表里的系统代理（你手动在系统设置里填的端口，这里精确拿到）
     reg_proxy = _read_windows_registry_proxy()
     if reg_proxy:
-        print(f"使用代理: {reg_proxy}（来自系统设置/注册表）")
-        return reg_proxy
+        proxy = _normalize_proxy(reg_proxy)
+        print(f"使用代理: {proxy}（来自系统设置/注册表）")
+        return proxy
 
     # 3. urllib 系统代理兜底（已涵盖注册表/环境变量，跨平台）
     sys_proxy = get_system_proxy()
     if sys_proxy:
-        print(f"使用代理: {sys_proxy}（系统代理）")
-        return sys_proxy
+        proxy = _normalize_proxy(sys_proxy)
+        print(f"使用代理: {proxy}（系统代理）")
+        return proxy
 
     # 4. 兜底：实测本地常见代理端口（先快速判断端口是否监听，避免无谓阻塞）
     candidates = [
@@ -129,7 +184,7 @@ def detect_proxy() -> str | None:
         except OSError:
             continue  # 端口没开，直接跳过（快速）
         if _probe_proxy(f"http://{hp}"):
-            return f"http://{hp}"
+            return _normalize_proxy(hp)
     return None