技能介绍

要解决的问题

版权取证时，拿到的往往是一批 M3U8 播放链接——来自 Excel 的 host 列、CSV 文件或直接粘贴的 URL，而真正要回答的问题很具体：这条切片指向的资源，究竟由哪个资源采集站聚合、再分发给下游影视站？人工处理的难点在于数量大、格式混杂，资源站又普遍使用多个 CDN 播放域名轮换，单凭域名拼写很难判断归属。

溯源如何工作

核心思路是先把 URL 归一化，再逐层求证：

归一化输入并提取注册域名：支持单条/多条 M3U8、.xlsx、.csv、.txt。scripts/trace.py 的 extract 子命令会剥离 vv.、play.、cdn. 等子域名，保留注册域，并区分三类 URL：

- m3u8：以 .m3u8 结尾或含 /hls/，属于直接 CDN 源；
- playpage：以 .html 结尾或含 /play/、/v/、/detail/，是下游播放页，需先抓取页面内嵌的 m3u8 再溯源，同时把播放页域名本身登记为发布站点；
- other：其余按内容判断。

已知库直查：内置 7 个以上已核验资源站（极速、如意、最大、优质、魔都、无水印、电影天堂等）和拼音缩写字典，命中即出结论，不做无谓联网。
六法联动联网溯源：对未命中域名组合使用 ① 域名语义分析（jisuzyv → 极速资源这类拼音缩写）② 苹果 CMS 采集接口探测，请求 api.php/provide/vod/from/<标识>m3u8/at/json/，返回 {code:1} 即为最强证据 ③ SSL 证书 SAN 关联 ④ URL 路径结构比对 ⑤ 搜索引擎关联 ⑥ 多域名轮换追踪。每条结论都必须有可复核证据，不凭缩写臆断。
取证报告输出：组装逐条字段（行号、视频源 URL、CDN 域名、采集站、采集 API、备用域名、证据链），生成 3 个 Sheet 的 Excel，绿底标注已溯源、红底标注未溯源，冻结首行便于归档。

适用边界与注意点

只做技术层面的反向溯源（CDN 域名 → 采集站），不等于法律上的运营主体认定，追责还需结合 ICP 备案、WHOIS 注册人等进一步取证。
资源站域名更换频繁，内置库可能过期，联网结果以当下查询为准并标注查询时间；部分私有 CDN 被多个小型影视站共用且没有公开采集接口，只能如实标注「未溯源 + 推测」。
不适用于单纯播放/下载 M3U8、转码，也不协助搭建或运营资源站，仅限合法版权取证与维权场景。