如果你正在寻找一款能自动整理电影、电视剧、动漫等媒体文件并生成精美海报墙和元数据的本地工具那么今天这个项目值得你花时间了解一下。这是一个由开发者独立打造的开源媒体刮削器它不依赖在线服务完全在本地运行核心目标是解决个人媒体库的自动化整理难题。项目采用了 Rust、TypeScript、Tauri、React 和 Mantine 等现代技术栈旨在提供高性能、跨平台且美观的桌面应用体验。最核心的特点是它的“本地化”和“自动化”。它不像一些在线工具那样需要账号或面临服务不稳定的问题所有刮削、匹配和元数据生成都在你的电脑上完成数据隐私完全由自己掌控。同时它支持批量任务处理可以一次性扫描整个媒体库目录自动根据文件名识别影片并抓取海报、简介、演员等信息极大提升了整理效率。对于拥有大量下载影片、希望构建像 Jellyfin 或 Plex 那样美观媒体库但又希望完全自管的用户来说这是一个非常实用的选择。本文将带你从零开始了解这个刮削器的核心能力、部署方式、以及如何进行实际的功能测试。我们会重点关注它的硬件门槛实际上对硬件要求极低、启动方式、批量处理效果以及如何验证其刮削准确性。无论你是媒体库管理新手还是厌倦了在线工具限制的资深用户都能通过本文快速上手。1. 核心能力速览在深入细节之前我们先通过一个表格快速了解这个项目的关键信息帮助你判断它是否符合你的需求。能力项说明项目类型开源、跨平台的桌面端媒体文件刮削器技术栈后端Rust (高性能逻辑、文件系统操作)前端TypeScript React Mantine (用户界面)框架Tauri (构建跨平台桌面应用)数据库Sled (嵌入式键值存储用于缓存元数据)主要功能1.智能识别根据文件名自动匹配电影、电视剧、动漫。2.元数据刮削获取影片标题、简介、评分、演员、海报、背景图等。3.批量处理支持扫描整个目录自动处理所有媒体文件。4.本地化运行所有操作离线完成无需连接外部API或可配置备用源。5.美观呈现生成可用于 Jellyfin、Plex、Kodi 等媒体的标准 NFO 文件和图片。推荐硬件门槛极低。现代 CPU近5年内、4GB 以上内存、足够存储海报图片的硬盘空间即可。无需独立显卡。显存占用不涉及 GPU 计算显存占用为 0。支持平台得益于 Tauri支持 Windows、macOS、Linux。启动方式提供编译好的可执行文件一键启动或从源码构建。是否支持 API项目本身是桌面应用但 Rust 后端可提供本地 API 供其他工具调用需查阅源码确认。通常通过应用界面交互。是否支持批量任务核心功能支持全目录扫描和批量刮削。适合场景个人家庭媒体服务器配合 Jellyfin/Plex、本地影片收藏管理、批量整理下载的影视资源。2. 适用场景与使用边界在决定使用之前明确它能做什么、不能做什么以及需要注意什么可以避免后续的麻烦。它非常适合以下场景构建本地媒体库你有一堆命名混乱的Movie.Name.2023.1080p.mkv文件希望自动整理成Movie Name (2023)/Movie Name (2023).mkv的结构并配上海报和简介。替代在线刮削器你对某些在线服务的速度、稳定性或隐私存有顾虑希望有一个完全自控的解决方案。批量元数据补充新下载了一整个季度的电视剧需要快速为每一集补充剧集信息。动漫与剧集识别能够处理常见的动漫命名格式如[VCB-Studio] Show Name [01][Ma10p_1080p][x265_flac].mkv和电视剧集如S01E01。它可能不适合或需要注意极度冷门或非标准内容对于非常小众、非商业或自制视频本地刮削器依赖的识别库可能没有数据导致匹配失败。实时流媒体或在线播放它是一个整理工具不是播放器。整理后的文件需要由 Jellyfin、Plex、Kodi 或直接使用文件管理器来浏览和播放。版权与合规性工具本身是合法的。但你必须确保你所刮削的媒体文件拥有合法的观看权或所有权。仅用于整理个人已合法拥有的媒体备份。数据来源虽然本地运行但元数据如海报、简介最初仍需从某个数据源获取。项目可能内置了某个开源数据库如 The Movie Database (TMDB) 的离线副本或需要首次运行时下载。使用时请遵守对应数据源的条款。3. 环境准备与前置条件部署这个刮削器非常简单因为它最终是一个打包好的桌面应用。但如果你想从源码构建或进行开发则需要准备以下环境。3.1 运行预编译版本推荐新手这是最快捷的方式几乎无需准备。操作系统Windows 10/11, macOS 10.15, 或主流 Linux 发行版。磁盘空间至少 500MB 空闲空间用于存放应用和缓存数据。权限对媒体文件所在目录有读取权限对输出目录有写入权限。3.2 从源码构建适合开发者或尝鲜者如果你想体验最新特性或参与贡献需要搭建开发环境。Rust 工具链# 安装 Rust (如果尚未安装) curl --proto https --tlsv1.2 -sSf https://sh.rustup.rs | sh # 安装后重启终端验证安装 rustc --version cargo --versionNode.js 与 npm用于构建前端 React 部分。建议安装 Node.js 18 或更高 LTS 版本。可以从 Node.js 官网 下载安装包。node --version npm --version系统依赖Windows需要安装 Microsoft Visual Studio Build Tools 或 Visual Studio 2022并包含 “使用 C 的桌面开发” 工作负载。macOS需要安装 Xcode Command Line Tools。xcode-select --installLinux需要安装webkit2gtk、libssl-dev等基础开发库。以 Ubuntu/Debian 为例sudo apt update sudo apt install libwebkit2gtk-4.0-dev \ build-essential \ curl \ wget \ libssl-dev \ libgtk-3-dev \ libayatana-appindicator3-dev \ librsvg2-devTauri CLI全局安装 Tauri 的命令行工具。cargo install tauri-cli4. 安装部署与启动方式根据你的选择有两种主要启动方式。4.1 方式一下载预编译可执行文件一键启动这是最直接的方法适合绝大多数用户。前往项目的 GitHub Releases 页面。根据你的操作系统下载对应的安装包或压缩包。Windows通常为.msi安装包或.exe文件。macOS通常为.dmg磁盘映像或.app压缩包。Linux通常为.AppImage、.deb或.rpm包。安装与运行Windows双击.msi安装或直接运行.exe。macOS打开.dmg将应用拖入“应用程序”文件夹。首次运行时可能需要在“系统设置”-“隐私与安全性”中允许运行。Linux对于.AppImage赋予执行权限后双击或命令行运行chmod x Your_Scraper.AppImage ./Your_Scraper.AppImage对于.deb(Ubuntu/Debian)sudo dpkg -i package.deb对于.rpm(Fedora/RHEL)sudo rpm -i package.rpm4.2 方式二从源码克隆并启动开发模式如果你想立即体验最新代码可以运行开发版本。# 1. 克隆仓库 git clone https://github.com/your-username/your-media-scraper.git cd your-media-scraper # 2. 安装前端依赖 npm install # 或使用 yarn/pnpm # 3. 启动开发模式 # 此命令会同时启动 Rust 后端服务和前端热重载开发服务器 npm run tauri dev执行npm run tauri dev后Tauri 会自动打开一个桌面应用窗口这就是你的刮削器。任何前端代码更改都会实时热更新。4.3 首次启动与界面概览无论哪种方式启动首次运行时你可能会看到主界面通常包含设置、任务队列、历史记录等主要功能区。设置页面需要你配置最关键的两项媒体库路径添加你存放电影、电视剧的根目录例如D:\Media\Movies,/home/user/Videos/TVShows。刮削目标目录设置整理后文件输出的位置可以是原目录也可以是新目录。数据源配置如果支持配置选择元数据来源如 TMDB、TVDB和语言偏好。5. 功能测试与效果验证现在我们来实际测试它的核心刮削能力。我们将模拟一个最常见的场景批量整理一个存放着杂乱影片的文件夹。5.1 测试准备创建测试目录在任意位置创建一个TestMedia文件夹里面放入几个命名规范的视频文件作为测试样本。TestMedia/ ├── The.Matrix.1999.1080p.BluRay.x264.mkv ├── Inception.2010.720p.BluRay.x265.mkv ├── Breaking.Bad.S01E01.Pilot.720p.WEB-DL.mkv └── [VCB-Studio] Spy x Family [01][Ma10p_1080p][x265_flac].mkv启动刮削器并进入设置将“媒体库路径”设置为这个TestMedia文件夹。5.2 基础刮削测试扫描媒体库在应用主界面找到“扫描”或“刷新库”按钮并点击。应用会递归扫描TestMedia目录列出所有找到的视频文件。自动匹配扫描完成后列表中的文件应该已经尝试自动匹配。观察匹配结果The.Matrix.1999...应匹配到电影《黑客帝国》1999。Inception.2010...应匹配到电影《盗梦空间》2010。Breaking.Bad.S01E01...应匹配到电视剧《绝命毒师》第1季第1集。[VCB-Studio] Spy x Family [01]...应匹配到动漫《间谍过家家》第1集。手动修正如有必要如果某个文件匹配错误或未匹配应用应提供手动搜索和选择的功能。尝试为未匹配的文件手动搜索正确名称。5.3 元数据与文件操作测试查看元数据点击列表中已匹配的影片查看详情页。确认以下信息是否被正确抓取标题包括原片名和译名上映年份简介/剧情概要评分如 IMDb、TMDB 评分演员表海报Poster和背景图Backdrop执行刮削选择一部或全部影片点击“开始刮削”或“应用”按钮。验证输出刮削完成后检查TestMedia目录或你设置的输出目录下的变化。一个理想的输出结构如下TestMedia/ ├── The Matrix (1999)/ │ ├── The Matrix (1999).mkv # 原文件或重命名后 │ ├── poster.jpg # 海报 │ ├── fanart.jpg # 背景图 │ └── movie.nfo # 包含所有元数据的XML文件 ├── Inception (2010)/ │ └── ... (类似结构) ├── Breaking Bad/ │ ├── Season 01/ │ │ ├── Breaking Bad - S01E01 - Pilot.mkv │ │ ├── episode.nfo # 单集元数据 │ │ └── thumb.jpg # 剧集缩略图 │ └── tvshow.nfo # 整部剧的元数据 └── Spy x Family/ └── Season 01/ └── ... (类似电视剧结构)在媒体服务器中验证将整理好的目录添加到 Jellyfin 或 Plex 的媒体库中刷新元数据。如果刮削器生成的NFO文件和图片符合标准媒体服务器应该能完美识别并展示出精美的海报墙和完整信息。5.4 批量任务压力测试大规模扫描找一个包含几十到上百个媒体文件的真实目录进行扫描。观察扫描速度Rust 后端在文件遍历上应非常迅速。内存占用通过系统任务管理器Windows或htopLinux观察应用内存使用情况应保持稳定。UI 响应在批量扫描和匹配时前端界面是否保持可操作有无卡顿。队列管理尝试添加多个刮削任务查看应用的任务队列功能是否正常工作能否暂停、继续或取消单个任务。6. 接口 API 与批量任务虽然这是一个桌面应用但其 Rust 后端很可能暴露了本地 API 端口以供自动化脚本调用。这对于想要集成到更复杂工作流如下载完成后自动触发刮削的用户非常有用。6.1 检查与启用 API查看应用设置或文档寻找“启用 HTTP API”、“网络服务”或“远程控制”之类的选项。启用它并记下端口号例如127.0.0.1:8080。查阅源码如果设置中没有可以查看项目源码通常是src-tauri目录下中是否有使用类似tauri::api::ipc或直接嵌入 HTTP 服务器如warp、axum的代码来确认 API 端点。6.2 通用 API 调用示例假设后端在http://127.0.0.1:8080提供了 REST API以下是一个可能的调用示例具体端点需以实际项目为准# 示例扫描指定目录 curl -X POST http://127.0.0.1:8080/api/scan \ -H Content-Type: application/json \ -d {path: /path/to/your/media} # 示例获取扫描结果 curl http://127.0.0.1:8080/api/results # 示例对特定文件执行刮削 curl -X POST http://127.0.0.1:8080/api/scrape \ -H Content-Type: application/json \ -d {file_path: /path/to/movie.mkv, tmdb_id: 603}6.3 通过命令行进行批量任务更通用的批量处理方式是结合命令行与工具自身的功能。使用应用内批量功能这是最直接的方式在 GUI 中选择多个项目后执行。编写脚本调用如果 API 可用你可以编写一个 Python/Bash 脚本监控下载文件夹每当有新文件完成就调用 API 触发刮削。# 示例 Python 脚本 (概念性) import os import requests import time WATCH_DIR /path/to/downloads API_BASE http://127.0.0.1:8080 def scrape_new_media(file_path): # 1. 调用扫描/识别接口 scan_payload {path: os.path.dirname(file_path)} scan_resp requests.post(f{API_BASE}/api/scan, jsonscan_payload) # 2. 假设API返回了识别结果然后触发刮削 # ... 根据实际API设计编写后续逻辑 print(f已提交刮削任务: {file_path}) # 简单的目录监视循环实际应用中建议使用 watchdog 库 known_files set(os.listdir(WATCH_DIR)) while True: current_files set(os.listdir(WATCH_DIR)) new_files current_files - known_files for f in new_files: if f.endswith((.mkv, .mp4, .avi)): scrape_new_media(os.path.join(WATCH_DIR, f)) known_files current_files time.sleep(10)7. 资源占用与性能观察由于这是一个本地桌面应用且核心逻辑由高效的 Rust 编写其资源消耗通常很低。CPU 与内存空闲时应用在后台运行时CPU 占用接近 0%内存占用通常在 100MB - 300MB 之间取决于前端框架和缓存的数据量。扫描文件时CPU 会有短暂波动用于计算文件哈希和解析文件名Rust 的高效性使得这个过程很快。刮削元数据时如果是从本地数据库查询CPU 和内存占用轻微上升。如果需要处理图片如下载、缩放会看到更明显的 CPU 使用率。磁盘 I/O扫描阶段会大量读取文件系统。刮削阶段会写入NFO文件和图片到磁盘。建议将媒体库放在 SSD 上以获得最佳扫描速度。网络 I/O如果配置了从网络获取元数据如首次使用下载数据库或在线查询则会在刮削时产生网络流量。一旦元数据缓存到本地Sled 数据库后续刮削将不再需要网络。性能优化建议缓存是核心Sled 数据库确保了元数据的本地缓存二次刮削相同内容会极快。批量操作一次性添加大量任务时注意观察任务队列避免前端界面因渲染过多项目而卡顿。可以分批次进行。关闭实时预览如果设置中有“实时匹配预览”等选项在处理超大库时暂时关闭可以提升响应速度。8. 常见问题与排查方法即使工具设计得再好在实际使用中也可能遇到问题。下表列出了一些常见情况及其解决方法。问题现象可能原因排查方式解决方案启动失败报错缺少依赖系统缺少必要的运行库多见于 Linux。查看终端或日志中的具体错误信息。根据错误信息安装对应依赖。例如在 Ubuntu 上确保已安装libwebkit2gtk-4.0-dev等包。扫描不到任何文件1. 路径配置错误。2. 没有该目录的读取权限。3. 文件格式不被支持。1. 检查设置中的媒体库路径是否正确。2. 尝试在终端中ls该路径。3. 查看应用设置中的“支持的文件扩展名”。1. 更正路径。2. 修改目录权限。3. 确认视频格式如.mkv,.mp4在支持列表中。影片匹配错误或无法匹配1. 文件名不标准。2. 本地元数据数据库不包含该影片。3. 匹配算法权重设置问题。1. 尝试将文件名改为电影名.年份.扩展名的格式。2. 尝试手动搜索。3. 检查设置中的匹配偏好如优先使用 TMDB 还是 TVDB。1. 使用更标准的命名。2. 使用手动搜索功能并选择正确的匹配项。3. 调整匹配设置或考虑为工具更新本地数据库文件。刮削后没有生成 NFO 或图片1. 输出目录权限不足。2. 刮削任务失败但未提示。3. 未选择“生成 NFO”等选项。1. 检查输出目录是否可写。2. 查看应用内的任务日志或错误信息。3. 检查刮削设置。1. 更改输出目录或权限。2. 根据错误日志解决如下载图片失败可能是网络问题。3. 在设置中勾选所有需要的输出项。应用运行卡顿、界面无响应1. 正在处理大量文件扫描或刮削。2. 前端内存泄漏开发版常见。3. 系统资源不足。1. 观察任务管理器看是 CPU、内存还是 I/O 瓶颈。2. 尝试减少单次处理的任务数量。1. 等待当前任务完成或暂停部分任务。2. 重启应用。3. 如果是开发版尝试使用发布版 (npm run tauri build)。生成的 NFO 文件媒体服务器不识别NFO 文件格式不符合媒体服务器如 Jellyfin的标准。对比工具生成的movie.nfo与 Jellyfin 官方文档要求的格式。这可能是一个工具 bug。在项目 GitHub 仓库提交 Issue附上你的nfo文件样例和期望的格式。9. 最佳实践与使用建议为了让你获得最佳体验这里有一些从实际使用中总结的建议。先测试后量产首次使用务必像我们第5节那样用一个小的测试目录验证整个流程。确认命名、匹配、输出都符合预期后再处理你的主力媒体库。规范文件名是成功的一半尽管刮削器很智能但规范的文件名能极大提高匹配准确率。推荐使用诸如Renamer这类工具先对文件进行批量重命名格式如Movie Name (Year).ext或TV Show Name - SxxEyy - Episode Title.ext。媒体库结构规划建议采用清晰的目录结构。例如/Media ├── Movies/ │ ├── Movie A (2020)/ │ └── Movie B (1999)/ └── TV Shows/ ├── Show A/ │ ├── Season 01/ │ └── Season 02/ └── Show B/ └── Season 01/在刮削器设置中将/Media/Movies和/Media/TV Shows分别添加为媒体库路径。善用“手动匹配”功能对于自动匹配失败的影片不要放弃。手动搜索功能通常很强大输入正确的名称后从列表中选择即可。一次正确的手动匹配其信息也会被缓存有助于未来识别类似命名的文件。定期备份配置与数据库你的刮削配置、匹配记录和缓存的元数据都保存在本地通常在~/.config/your-scraper或%APPDATA%\your-scraper目录下。定期备份这个目录可以在重装系统或应用后快速恢复。关注数据源与版权了解你的刮削器从哪里获取元数据和图片。如果使用的是 TMDB 等社区维护的数据请遵守其使用条款通常要求署名和非商业用途。确保你的使用场景是合规的。与媒体服务器联动将刮削器视为一个“预处理”工具。它的最佳搭档是 Jellyfin、Plex 或 Emby。让刮削器做好文件命名和元数据生成然后让媒体服务器专注于流媒体播放和用户管理二者结合能打造出体验极佳的私人影院。10. 总结与下一步这个基于 Rust 和 Tauri 打造的开源刮削器其最大的价值在于将“本地化”、“自动化”和“高性能”结合在了一起。它用 Rust 保证了文件处理和数据库操作的效率用现代 Web 技术提供了美观易用的界面又通过 Tauri 实现了跨平台的桌面体验。对于想要完全掌控自己媒体库数据的用户来说它提供了一个非常可靠且隐私友好的选择。你最应该首先验证的功能就是批量刮削的准确性和效率。找一个有几十部电影的文件夹让它跑一遍看看最终在 Jellyfin 里的海报墙效果这是最直观的成就感来源。最容易踩的坑通常是文件命名不规范和输出目录权限不足按照本文第5节和第8节的步骤排查大部分问题都能解决。接下来你可以探索更进阶的用法例如研究它是否支持自定义刮削规则正则表达式、能否集成到自动化下载工具如 qBittorrent 的下载完成后脚本中、或者阅读其 Rust 后端代码学习如何用 Rust 进行高性能文件系统操作和数据库管理。这个项目不仅是一个工具也是一个学习现代桌面应用开发Rust Tauri React的优秀案例。
)
