# oshwhub.com 数据源调研

**平台**：立创开源硬件平台（嘉立创 EDA / 深圳创电优选科技有限公司）
**URL**：https://oshwhub.com
**调研日期**：2026-04-23

## 站点架构

- Next.js App Router SPA；详情页 `/detail/<uuid>` 和 `/<user>/<slug>` 均 SSR（HTML 内含完整元数据 + attachments 数组）
- axios baseURL 为 `https://oshwhub.com`（见 `/_next/static/chunks/8661-*.js`）
- 首页 / explore 列表数据靠客户端 fetch 渲染（首屏 HTML 里没有卡片 DOM）

## robots.txt

```
User-agent: *
Disallow: /posts
Sitemap: https://oshwhub.com/sitemap.xml
```

详情页、explore、API 均允许抓取。

## 可用 API（无需鉴权）

### 项目列表
`GET https://oshwhub.com/api/project?page=N&pageSize=M&sort=hot`

- `sort`：`hot`（默认，按热度）/`like`/`new` 等
- `pageSize`：最大 50 可用，试过 100 返回空
- 返回：`{success, code, result:{page, pageSize, total, totalPage, lists:[...]}}`
- total ≈ 12493（2026-04 快照）

每条 list item 字段：
- `uuid`, `name`, `introduction`, `path`（= `<username>/<slug>`）
- `owner`：`{uuid, username, nickname, avatar, team}`
- `count`：`{fork, star, like, views, watch}`
- `grade`（1-4，4 是精品徽章）
- `thumb`（封面 URL，`image.lceda.cn` 或 `//image.lceda.cn` 前缀）
- `created_at`, `updated_at`, `oshwhub_publish_at`
- `tags`, `public`, `publish`, `comments_count`

### 项目详情（HTML 解析）
`GET https://oshwhub.com/<path>` 或 `/detail/<uuid>`

HTML 内嵌 escaped JSON，关键字段：
- `\"license\":\"GPL 3.0\"` 等（许可证）
- `\"creator\":{\"uuid\":\"...\"}`
- `\"attachments\":[{ name, src, mime, ext, size, md5, download_count, uuid }, ...]`
- `<title>` 含项目名；`<meta name="description">` 含 introduction

### 文件下载
- **附件** (`attachments[].src`)：`https://image.lceda.cn{src}`
  - 例：`/attachments/2020/7/mRn5hQZRhmx5r4usGxFmy8BXsCIHw5QoAT5HaLGC.pdf`
  - 已验证 HTTP 200，无鉴权
  - 覆盖 PDF / ZIP / MP4 / CSV / BIN 等（用户自传全类型）
  - **这是项目用户文件的唯一入口**（已排查确认）

### 排查过不是项目源的路径
- `fs-web-stream.jlc.com/fs-web-stream/file-operation/download/<snowflake-id>`
  - 详情页 HTML 里出现过 13 个，context 均为站点侧栏/推广图标
  - 例：嘉立创 3D 打印 icon、开源硬件平台 badge、EDA 扩展广场 banner
  - **与项目本身无关**，不抓

### 未找到 / 留作后续
- EasyEDA 工程源 JSON（schematic/PCB 的真正源）：`u.lceda.cn/api/projects` 返回 401 "尚未登录"，需要登录态
- 项目详情 JSON API：`/api/project/<uuid>` 返回 `{"code":104001,"success":false}`（试过 GET/POST/路径形式均失败，疑似此端点需 session）
  - 当前通过 SSR HTML 解析获取详情，字段够用

## 已知字段与 schema 映射

| 本项目 schema 字段 | oshwhub 来源 |
|-----|-----|
| `source` | 常量 `"oshwhub"` |
| `source_url` | `https://oshwhub.com/<path>` |
| `project_id` | `uuid` |
| `title` | `name` |
| `description` | HTML `<meta description>` + 长描述（HTML 正文截取） |
| `author` | `owner.nickname` / `owner.username` |
| `license` | HTML 嵌入 JSON 的 `license` 字段 |
| `created_at` / `updated_at` | 列表 API 同名字段 |
| `crawled_at` | 运行时写入 |
| `tags` | 列表 API `tags` |
| `files[]` | `attachments[]` 映射 |
| `metrics` | `count.{like,star,fork,views}` + `grade` |

## 速率与礼貌

- 列表 API：空载实测 < 300ms，无限流
- 详情页 HTML：~500KB/个，建议 QPS ≤ 0.5
- 附件：CDN `image.lceda.cn`，无需限流但建议 1s 间隔

## 陷阱 / 待确认

1. `fs-web-stream.jlc.com` 下载是否需 referer / cookie，未测
2. 长描述（含图片、表格）的 HTML 提取保真度，可能需要保留原 HTML
3. `license` 字段取值集合未枚举完（已见：`GPL 3.0` / `CC-BY-SA`...需全量跑后统计）
4. `grade=4` 大概率是精品徽章但文档未说明具体判据