Gallery-dl配置:解决FurAffinity收藏夹下载分类问题
2025-05-17 01:09:13作者:霍妲思
在使用gallery-dl下载FurAffinity网站内容时,用户经常需要处理不同类型的作品分类。本文重点探讨如何正确配置gallery-dl来实现从用户收藏夹下载作品时,按照作品在原作者画廊中的分类(Gallery或Scraps)进行存储。
问题背景
当从FurAffinity用户的收藏夹下载作品时,默认情况下所有下载的作品都会被标记为"favorites"分类。这会导致文件存储路径不符合预期,例如:
/furaffinity/[ARTIST]/favorites/[FILE]
而用户实际期望的是能够根据作品在原作者画廊中的实际分类(Gallery主画廊或Scraps草稿区)来存储,如:
/furaffinity/[ARTIST]/gallery/[FILE]
/furaffinity/[ARTIST]/scraps/[FILE]
解决方案
gallery-dl提供了灵活的配置选项,允许用户针对不同的子分类(subcategory)设置不同的存储路径。以下是推荐的配置方案:
"furaffinity": {
"include": "gallery,scraps",
"layout": "auto",
"filename": "{filename}.{extension}",
"directory": ["{category}", "{artist}", "{subcategory}"],
"favorite": {
"directory": ["{category}", "{user}", "{subcategory}", "{artist}"]
}
}
配置解析
-
基础配置:
include: 指定要包含的子分类(gallery和scraps)layout: 设置为auto自动布局filename: 定义文件名格式directory: 默认目录结构(分类/作者/子分类)
-
特殊配置:
favorite: 专门针对收藏夹的配置directory: 覆盖默认路径,改为(分类/用户/子分类/作者)结构
技术要点
-
子分类覆盖:gallery-dl允许为特定子分类(如favorite)提供覆盖配置,这让我们可以针对不同来源的作品设置不同的存储策略。
-
路径变量:
{category}: 网站分类(如furaffinity){artist}: 作品原作者{user}: 收藏该作品的用户{subcategory}: 作品子分类(gallery/scraps/favorites)
-
局限性说明:目前gallery-dl无法直接从收藏夹获取作品在原画廊中的分类信息(gallery或scraps),因此无法实现完全的自动分类存储。
最佳实践建议
- 对于需要精确分类的用户,建议直接下载原作者画廊而非收藏夹
- 可以考虑使用后续脚本对下载的文件进行二次分类
- 定期检查gallery-dl更新,未来版本可能会增加更精细的分类支持
通过合理配置gallery-dl,用户可以最大限度地优化FurAffinity作品的下载和组织方式,虽然目前存在一些限制,但已经能够满足大多数基本使用需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217