Immich项目API中/search/metadata端点使用问题解析
2025-04-30 07:49:06作者:蔡丛锟
背景介绍
Immich是一款开源的自主托管照片和视频备份解决方案,提供了丰富的API接口供开发者调用。其中/search/metadata端点是用于搜索媒体资源元数据的重要接口。本文将深入分析该接口在实际使用中遇到的一些问题及解决方案。
问题现象
开发者在调用/search/metadata接口时发现,尝试通过isTrashed参数过滤已删除资源时,接口返回结果中仍然包含未删除的资源。这表明过滤条件未被正确应用。
技术分析
接口设计原理
Immich的/search/metadata接口设计采用了灵活的查询参数结构,但需要注意以下几点:
- 接口不支持直接通过isTrashed字段进行过滤,这是开发者常见的误解
- 正确的做法是使用withDeleted参数来控制是否包含已删除资源
- 结合trashedAfter参数可以进一步筛选特定时间后被删除的资源
正确使用方法
经过深入分析,正确的请求参数组合应为:
{
"withDeleted": true,
"trashedAfter": "2000-01-01T00:00:00Z",
"order": "desc",
"page": 1,
"type": "IMAGE"
}
这种组合能够:
- 包含所有已删除资源(withDeleted: true)
- 筛选指定时间后删除的资源(trashedAfter)
- 按时间降序排列(order: desc)
- 只返回图片类型(type: IMAGE)
- 分页获取结果(page: 1)
常见误区
-
误用isTrashed字段:开发者常误以为可以直接使用响应中的isTrashed字段作为过滤条件,实际上接口设计上不支持这种用法。
-
分页处理不当:接口默认返回250条记录,需要正确处理分页才能获取完整结果集。
-
参数组合不当:单独使用withDeleted参数会返回所有资源,必须结合其他条件才能实现精确筛选。
最佳实践建议
-
明确查询目的:在调用接口前,应明确需要获取的是已删除资源、未删除资源还是全部资源。
-
合理使用时间筛选:trashedAfter参数可以精确控制时间范围,避免获取过多不必要的数据。
-
处理分页逻辑:对于大型资源库,必须实现完整的分页处理逻辑,确保获取所有符合条件的结果。
-
错误处理机制:实现健壮的错误处理机制,应对可能的API变更或参数调整。
总结
Immich的/search/metadata接口提供了强大的资源搜索能力,但需要正确理解其参数设计和使用方法。通过本文的分析,开发者可以避免常见的调用误区,实现高效的资源筛选和管理。在实际应用中,建议结合具体业务需求,灵活运用各种参数组合,以达到最佳的查询效果。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322