影视资源精准匹配:MoviePilot高级筛选规则全攻略
你是否还在为NAS媒体库中杂乱的影视资源发愁?面对海量资源却找不到符合自己需求的版本?MoviePilot的高级筛选功能通过灵活的规则配置,让你轻松实现影视资源的精准匹配。本文将详细介绍如何利用RuleParser和分类配置文件打造个性化筛选策略,读完你将掌握:基础筛选语法、多维度条件组合、优先级排序技巧以及实战案例解析。
筛选规则核心原理
MoviePilot的筛选系统基于RuleParser实现,该模块使用pyparsing库构建了完整的表达式解析器。其核心功能是将用户定义的文本规则转换为可执行的筛选逻辑,支持逻辑运算符、优先级处理和条件组合。
语法解析机制
RuleParser支持三种逻辑运算符,按优先级从高到低排列为:
- 非运算(!):排除特定条件,如
!BLU表示排除蓝光版本 - 与运算(&):同时满足多个条件,如
4K & HDR表示同时匹配4K分辨率和HDR格式 - 或运算(|):满足任一条件,如
CNVOI | CHS表示匹配国语或简体中文字幕
优先级排序使用>符号定义,例如规则A > B > C表示当A条件匹配时优先选择A,其次是B,最后是C。
核心代码解析
解析器的核心定义在RuleParser的第31-34行:
self.expr = infixNotation(expr,
[(operator_not, 1, opAssoc.RIGHT),
(operator_and, 2, opAssoc.LEFT),
(operator_or, 2, opAssoc.LEFT)])
这段代码定义了运算符的优先级和结合性,确保规则表达式能按预期解析。
基础筛选条件详解
MoviePilot支持丰富的筛选条件,涵盖分辨率、编码格式、字幕、音频等多个维度,让你精确控制资源质量。
常用条件速查表
| 条件类别 | 常用标识 | 说明 |
|---|---|---|
| 分辨率 | 4K, 1080P, 720P | 视频分辨率筛选 |
| 编码格式 | H265, H264, X265 | 视频编码格式 |
| 画质类型 | REMUX, WEBDL, BLU | 资源来源类型 |
| 字幕 | CNVOI, CNSUB, CHS | 中文相关字幕 |
| 音频 | DOLBY, ATMOS, DTS | 音频编码格式 |
| 帧率 | 60FPS, 24FPS | 视频帧率 |
| 色彩 | HDR, SDR, DV | 色彩技术标准 |
条件组合示例
基础与运算组合:4K & HDR & CNVOI表示同时满足4K分辨率、HDR格式和国语配音。
排除条件应用:4K & !REMUX & !WEBDL表示匹配4K分辨率,但排除REMUX和WEBDL格式。
多条件优先级:4K & HDR > 4K & SDR > 1080P & HDR定义了从高到低的质量优先级。
分类配置文件应用
除了临时筛选规则,MoviePilot还支持通过category.yaml配置文件实现自动化分类,让媒体库管理更有序。
配置文件结构
配置文件采用YAML格式,分为电影和电视剧两个主要部分:
# 配置电影的分类策略
movie:
动画电影:
genre_ids: '16' # 16对应动画类型
华语电影:
original_language: 'zh,cn,bo,za' # 匹配中文相关语种
外语电影: # 未匹配以上条件时的默认分类
# 配置电视剧的分类策略
tv:
国漫:
genre_ids: '16'
origin_country: 'CN,TW,HK' # 匹配中国相关地区
日番:
genre_ids: '16'
origin_country: 'JP' # 匹配日本地区
条件字段说明
配置文件支持多种条件字段:
genre_ids:内容类型,参考category.yaml第59-97行的类型字典original_language:原始语言,参考第99-178行的语种字典origin_country:制作国家/地区,参考第180-227行的地区字典release_year:发行年份,支持范围表示如2020-2025
实战案例:构建个人理想筛选规则
以下通过几个典型场景案例,展示如何构建实用的筛选规则,满足不同用户的个性化需求。
案例一:高帧率动画爱好者
对于喜欢流畅动画体验的用户,可使用以下规则:
ANIME & 1080P & 60FPS & CNVOI & !3D > ANIME & 1080P & 60FPS & CNSUB & !3D
该规则优先匹配带国语配音的60帧动画,其次是带中文字幕的60帧版本,同时排除3D内容。
案例二:家庭影院发烧友
追求极致画质的用户可配置:
4K & HDR & ATMOS & !WEBDL & !SDR > 4K & HDR & DOLBY & !WEBDL & !SDR > 1080P & REMUX & ATMOS
此规则优先选择4K+HDR+ATMOS的高质量版本,且排除WebDL来源,确保最佳观影体验。
案例三:空间优化策略
对于存储空间有限的用户,可使用:
1080P & H265 & !REMUX & !BLU > 720P & H265 & !REMUX & !BLU
该规则优先选择H265编码的1080P版本(相同画质下体积更小),其次是720P版本,同时排除大容量的REMUX和蓝光原盘。
高级技巧与注意事项
掌握以下高级技巧,让你的筛选规则更加强大和灵活,同时避免常见问题。
规则优化技巧
- 优先级分层:将最重要的条件放在前面,如
分辨率 > 编码 > 字幕 - 条件精简:避免冗余条件,如
4K已包含所有4K分辨率,无需同时写4K & UHD - 组合复用:将常用规则保存为文件,通过
@规则文件名快速引用
常见问题解决
规则不生效:检查是否使用了正确的运算符,确保&、|、!符号前后有空格分隔。
条件冲突:避免矛盾条件组合,如4K & 720P永远无法匹配任何资源。
性能问题:过于复杂的规则会影响筛选速度,建议条件数量控制在10个以内。
官方资源参考
- 规则语法文档:RuleParser
- 分类配置示例:category.yaml
- 项目完整说明:README.md
通过本文介绍的筛选规则和配置方法,你可以轻松打造符合个人需求的影视资源筛选策略。无论是追求极致画质还是优化存储空间,MoviePilot的高级筛选功能都能满足你的需求。开始创建你的第一个规则,体验精准匹配带来的媒体库管理新体验吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00