heyzo scraper 永遠回 None — 站方把英文頁 JSON-LD 改成 JS 動態建立

[slive777]

現象

heyzo 來源搜尋一律「無結果」。8 源金絲雀 test_heyzo_canary FAIL：0 healthy, 5 returned bad/empty content。

根因（已實證，非推理）

站是活的：5 個金絲雀番號（0783/1000/1500/2000/2300）在 www.heyzo.com 與 en.heyzo.com 都回 200 + 真內容。

core/scrapers/heyzo.py 的 search() 走英文頁 → _extract_json_ld() 取 <script type="application/ld+json">。heyzo 已改成由 JS 在瀏覽器端動態建立該 script tag：

var script = document.createElement("script");
script.setAttribute("type", "application/ld+json");
var movie_obj = { "@context": "http://schema.org", "@type": "Movie",
                  "name": "...", "actor": person, "duration": "...", ... };

伺服器回的 HTML 裡沒有可解析的靜態 ld+json 區塊 → _extract_json_ld 回 None → search() return None。零 log、零例外（同 0.11.12 javdb 那種靜默失敗指紋）。

重現：

python -c "from core.scrapers.heyzo import HEYZOScraper; print(HEYZOScraper().search('HEYZO-0783'))"   # None
curl -s https://en.heyzo.com/moviepages/0783/index.html | grep -c 'ld+json'                            # 1（但在 JS 裡）

修法方向

資料還在 HTML 裡，只是換了載體 — regex 撈 var movie_obj = {...} / person 兩個 JS 物件字面即可，不需要 headless 瀏覽器。

依 [feedback_scraper_real_fixtures] 慣例：補 parse 的 RED 測試要餵 tests/fixtures/scrapers/*.html 真 fixture 跑 .search()，別手搭合成 HTML（會抹平空佔位/null/merge 漏欄位）。

建議一併比照 0.11.12 javdb 補診斷 log（JSON-LD 抓不到時 log 一次 warning）— 排查本 bug 最貴的成本就是零 log。

範圍

• 與 feature/99（focal 手動編輯）無關，是外部 rot，不擋 0.12.1 出貨（pre-merge §3.6「金絲雀不擋 PR」）。
• 影響面：heyzo 單源。其餘 7 源金絲雀 PASS。