feat: add Docker and docker-compose support

.claude/CLAUDE.md

@@ -0,0 +1,185 @@
+# MediaCrawler - Project Overview
+
+## 📋 Project Summary
+
+**MediaCrawler** là một công cụ web scraping mạnh mẽ dùng để thu thập dữ liệu công khai từ các nền tảng truyền thông xã hội (Social Media) phổ biến của Trung Quốc.
+
+### Mục đích chính
+Hỗ trợ lập trình viên trong việc học tập, nghiên cứu và phân tích dữ liệu từ các nền tảng đa phương tiện. **Chỉ dành cho mục đích học tập, không sử dụng thương mại**.
+
+## 🎯 Nền tảng được hỗ trợ
+
+| Nền tảng | Tìm kiếm từ khóa | Lấy post theo ID | Bình luận cấp 2 | Trang cá nhân | Cache đăng nhập | Proxy | Word Cloud |
+|---------|-----------------|-----------------|-----------------|---------------|-----------------|-------|-----------|
+| 小红书 (Xiaohongshu) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+| 抖音 (Douyin/TikTok CN) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+| 快手 (Kuaishou) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+| B站 (Bilibili) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+| 微博 (Weibo) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+| 贴吧 (Tieba/Baidu) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+| 知乎 (Zhihu) | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
+
+## 🏗️ Cấu trúc dự án
+
+### Các thư mục chính:
+
+```
+media-crawler/
+├── api/                    # FastAPI endpoints cho WebUI
+├── base/                   # Lớp cơ sở cho các crawler (AbstractCrawler)
+├── cache/                  # Quản lý cache (Redis, Memory cache)
+├── cmd_arg/                # Xử lý tham số dòng lệnh (CLI arguments)
+├── config/                 # Cấu hình chung (config.py, toml files)
+├── constant/               # Hằng số, enum cho các nền tảng
+├── database/               # ORM, migration, quản lý DB (SQLAlchemy, Alembic)
+├── docs/                   # Tài liệu (tiếng Trung, Anh, Tây Ban Nha)
+├── libs/                   # Thư viện tiện ích
+├── media_platform/         # Các crawler riêng cho từng nền tảng
+│   ├── bilibili.py
+│   ├── douyin.py
+│   ├── kuaishou.py
+│   ├── tieba.py
+│   ├── weibo.py
+│   ├── xhs.py             # Xiaohongshu
+│   └── zhihu.py
+├── model/                  # Pydantic models, schemas
+├── proxy/                  # Quản lý proxy pool
+├── store/                  # Lưu trữ dữ liệu (JSON, JSONL, Excel, DB)
+├── test/                   # Unit tests
+├── tools/                  # Công cụ tiện ích (wordcloud, file writer)
+├── webui/                  # Web UI (Vue.js, build artifacts)
+└── main.py                 # Entry point chính
+```
+
+## 🔧 Tech Stack
+
+### Backend
+- **Language**: Python 3.11+
+- **Framework**: FastAPI (API), Typer (CLI)
+- **Browser Automation**: Playwright (v1.61+)
+- **Database**: SQLAlchemy + Alembic (migration), Redis cache
+- **Async**: asyncio, aiofiles, asyncmy, asyncpg
+
+### Storage
+- **Database Options**: SQLite, MySQL, PostgreSQL, MongoDB
+- **File Formats**: JSON, JSONL, Excel (openpyxl)
+- **Serialization**: Pydantic v2+
+
+### Frontend
+- **WebUI**: Vue.js (src/ trong webui/)
+- **API Server**: Uvicorn + FastAPI
+
+### Utilities
+- **Word Cloud**: matplotlib, wordcloud, PIL
+- **Text Processing**: jieba (Chinese tokenizer), parsel (HTML parsing)
+- **HTTP**: httpx, requests
+- **Crypto**: cryptography, pyexecjs (JS signature execution)
+
+## 🚀 Cách hoạt động
+
+### Kiến trúc chính:
+
+1. **CrawlerFactory Pattern** - Tạo crawler dựa trên loại nền tảng
+2. **CDP Mode** (Chrome DevTools Protocol) - Kết nối tới Chrome browser đang chạy
+3. **Login State Caching** - Lưu trữ session, cookie, state giữa các lần chạy
+4. **Proxy Support** - Hỗ trợ rotation proxy để tránh IP ban
+5. **Async Architecture** - Xử lý concurrent requests
+
+### Workflow cơ bản:
+```
+CLI Args → Config Loading → Crawler Init → Browser Connect → 
+Login (hoặc load cached state) → Data Crawl → Parse Data → 
+Store (DB/File) → Generate WordCloud → Exit
+```
+
+## 📦 Dependencies chính
+
+```
+playwright>=1.61.0          # Browser automation
+fastapi==0.110.2            # Web framework
+sqlalchemy>=2.0.43          # ORM
+pydantic>=2.13.4            # Data validation
+redis~=4.6.0                # Caching
+httpx==0.28.1               # HTTP client
+typer>=0.12.3               # CLI framework
+wordcloud>=1.9.6            # Word cloud generation
+```
+
+## 🔗 Điểm vào chính
+
+- **main.py**: Entry point CLI chính - khởi tạo crawler, run công việc crawl
+- **api/**: FastAPI app cho WebUI server
+- **media_platform/**: Từng platform crawler có logic riêng
+- **config/**: Tập trung tất cả cấu hình (env variables, settings)
+
+## 📝 Lưu ý quan trọng
+
+### Legal & Disclaimer ⚠️
+- **Chỉ dùng cho học tập** - không sử dụng thương mại
+- **Tuân thủ ToS** - tuân thủ điều khoản dịch vụ của từng nền tảng
+- **Hợp pháp** - tham khảo danh sách [crawler illegal cases in China](https://github.com/HiddenStrawberry/Crawler_Illegal_Cases_In_China)
+
+### Best Practices
+- Sử dụng CDP mode (Chrome browser sẵn có) thay vì Playwright mode để tái sử dụng login state
+- Bật remote debugging: `chrome://inspect/#remote-debugging`
+- Kiểm soát tần suất request (rate limiting)
+- Sử dụng proxy pool để tránh IP ban
+- Backup cookie/session cache để tránh tái login
+
+## 🎯 Hướng phát triển gần đây
+
+### Commits gần nhất:
+- **3bde9e2**: docs: update sponsors
+- **04da7f3**: Update Readme
+- **84907f0**: docs: 新增 Bloome 赞助商
+- **076dcba**: fix: 修复 WebUI 源码缺失、环境检测路径
+- **65ddaa8**: refactor: 将 WebUI 源码纳入仓库
+
+### Features dự tính (Pro version)
+- Self-media content decomposition Agent
+- Breakpoint resume crawling
+- Multi-account + IP proxy pool
+- Remove Playwright dependency
+- Full Linux support
+- AI Agent Skills (OpenClaw, Claude Code, Cursor)
+
+## 💡 Sử dụng cơ bản
+
+```bash
+# Install dependencies
+uv sync
+
+# Install browser drivers (optional, chỉ cho Playwright mode)
+uv run playwright install
+
+# Run crawler
+python main.py --platform xhs --keywords "咖啡"
+
+# Access WebUI
+# Mở http://localhost:8000 (nếu API server chạy)
+```
+
+## 📚 Tài liệu chính
+
+- **README.md**: Tổng quan chính (tiếng Trung)
+- **docs/**: Tài liệu chi tiết (tiếng Trung)
+  - `项目代码结构.md` - Cấu trúc code
+  - `项目架构文档.md` - Kiến trúc hệ thống
+  - `常见问题.md` - FAQ
+  - `原生环境管理文档.md` - Quản lý môi trường
+
+## 🔐 Configuration
+
+Xem `.env.example` để hiểu các biến môi trường:
+```
+PLAYWRIGHT_BROWSER_PATH=...  # Đường dẫn Chrome
+PROXY_POOL=...                # Cấu hình proxy
+DATABASE_URL=...              # Connection string DB
+REDIS_URL=...                 # Redis connection
+```
+
+---
+
+**Last updated**: 2026-07-14  
+**Project License**: NON-COMMERCIAL LEARNING LICENSE 1.1  
+**Author**: 程序员阿江 (Relakkes)

.dockerignore

@@ -0,0 +1,71 @@
+# Git
+.git
+.gitignore
+.gitattributes
+
+# Docker
+.dockerignore
+docker-compose.override.yml
+
+# Python
+__pycache__
+*.py[cod]
+*$py.class
+*.so
+.Python
+build/
+develop-eggs/
+dist/
+downloads/
+eggs/
+.eggs/
+lib/
+lib64/
+parts/
+sdist/
+var/
+wheels/
+.env
+.venv
+env/
+venv/
+*.egg-info/
+.pytest_cache/
+.coverage
+.mypy_cache/
+
+# Node
+node_modules/
+npm-debug.log
+yarn-error.log
+
+# IDEs
+.vscode
+.idea
+*.swp
+*.swo
+*~
+.DS_Store
+
+# Project specific
+.cache/
+cache/
+*.db
+*.sqlite
+logs/
+*.log
+
+# Test
+test/
+tests/
+.pytest_cache/
+
+# Documentation
+docs/
+*.md
+README*
+
+# Build artifacts
+dist/
+build/
+*.egg-info/

.env.docker.example

@@ -0,0 +1,25 @@
+# Docker Environment Configuration
+# Copy this file to .env.docker and customize as needed
+
+# Python Environment
+PYTHONUNBUFFERED=1
+
+# FastAPI Backend
+API_HOST=0.0.0.0
+API_PORT=8080
+
+# Frontend React
+REACT_APP_API_URL=http://backend:8080
+
+# Database Configuration (Optional)
+# DATABASE_URL=postgresql://user:password@postgres:5432/mediacrawler
+# REDIS_URL=redis://redis:6379
+
+# Logging
+LOG_LEVEL=INFO
+
+# Platform Settings
+PLATFORM=xhs
+
+# Save Format (json, jsonl, excel, db)
+SAVE_DATA_OPTION=json