server/lib/activitypub/crawl.ts

   1 import { ACTIVITY_PUB, JOB_REQUEST_TIMEOUT, WEBSERVER } from '../../initializers/constants'
   2 import { doRequest } from '../../helpers/requests'
   3 import { logger } from '../../helpers/logger'
   4 import * as Bluebird from 'bluebird'
   5 import { ActivityPubOrderedCollection } from '../../../shared/models/activitypub'
   6 import { parse } from 'url'
   7
   8 type HandlerFunction<T> = (items: T[]) => (Promise<any> | Bluebird<any>)
   9 type CleanerFunction = (startedDate: Date) => (Promise<any> | Bluebird<any>)
  10
  11 async function crawlCollectionPage <T> (uri: string, handler: HandlerFunction<T>, cleaner?: CleanerFunction) {
  12   logger.info('Crawling ActivityPub data on %s.', uri)
  13
  14   const options = {
  15     method: 'GET',
  16     uri,
  17     json: true,
  18     activityPub: true,
  19     timeout: JOB_REQUEST_TIMEOUT
  20   }
  21
  22   const startDate = new Date()
  23
  24   const response = await doRequest<ActivityPubOrderedCollection<T>>(options)
  25   const firstBody = response.body
  26
  27   let limit = ACTIVITY_PUB.FETCH_PAGE_LIMIT
  28   let i = 0
  29   let nextLink = firstBody.first
  30   while (nextLink && i < limit) {
  31     // Don't crawl ourselves
  32     const remoteHost = parse(nextLink).host
  33     if (remoteHost === WEBSERVER.HOST) continue
  34
  35     options.uri = nextLink
  36
  37     const { body } = await doRequest<ActivityPubOrderedCollection<T>>(options)
  38     nextLink = body.next
  39     i++
  40
  41     if (Array.isArray(body.orderedItems)) {
  42       const items = body.orderedItems
  43       logger.info('Processing %i ActivityPub items for %s.', items.length, options.uri)
  44
  45       await handler(items)
  46     }
  47   }
  48
  49   if (cleaner) await cleaner(startDate)
  50 }
  51
  52 export {
  53   crawlCollectionPage
  54 }