SABnzbd 项目技术文档
2024-12-25 15:21:45作者:董灵辛Dennis
1. 安装指南
1.1 依赖项
在安装 SABnzbd 之前,您需要确保系统中已安装以下依赖项:
- Python:需要 Python 3.8 及以上版本(通常称为 
python3)。 - Python 模块:安装 
requirements.txt中列出的 Python 模块,使用命令python3 -m pip install -r requirements.txt -U。 - par2:多线程 par2 安装指南可以在 这里 找到。
 - unrar:确保安装的是官方的非免费版本的 unrar。
 
1.2 从源码运行 SABnzbd
在安装完所有依赖项后,您可以通过以下命令从源码运行 SABnzbd:
python3 -OO SABnzbd.py
如果您希望在后台运行 SABnzbd,可以使用以下命令:
python3 -OO SABnzbd.py -d -f /path/to/sabnzbd.ini
如果需要多语言支持,请运行:
python3 tools/make_mo.py
更多命令行选项可以在 这里 找到。
2. 项目的使用说明
2.1 基本使用
SABnzbd 是一个自动化 Usenet 下载工具,用户只需添加一个 .nzb 文件,SABnzbd 将自动完成下载、验证、修复、解压和归档等操作,无需人工干预。
2.2 设置向导
SABnzbd 提供了一个简单的设置向导,帮助用户快速配置基本设置。用户可以通过 Web 界面访问设置向导,并根据提示完成配置。
2.3 自我分析工具
SABnzbd 还提供了自我分析工具,用于验证用户的设置是否正确。用户可以通过这些工具检查系统的配置,确保 SABnzbd 能够正常运行。
3. 项目API使用文档
3.1 API 概述
SABnzbd 提供了丰富的 API,允许用户通过编程方式与 SABnzbd 进行交互。API 可以用于添加下载任务、查询下载状态、管理下载队列等操作。
3.2 API 使用示例
以下是一个简单的 API 使用示例,用于添加一个下载任务:
import requests
url = "http://localhost:8080/api"
params = {
    "mode": "addurl",
    "name": "http://example.com/path/to/file.nzb",
    "apikey": "your_api_key"
}
response = requests.get(url, params=params)
print(response.text)
3.3 API 参考
更多 API 的使用方法和参数说明,请参考 API 参考文档。
4. 项目安装方式
4.1 从源码安装
从源码安装 SABnzbd 的步骤如下:
- 
克隆项目仓库:
git clone https://github.com/sabnzbd/sabnzbd.git - 
进入项目目录:
cd sabnzbd - 
安装依赖项:
python3 -m pip install -r requirements.txt -U - 
运行 SABnzbd:
python3 -OO SABnzbd.py 
4.2 从包管理器安装
SABnzbd 也可以通过包管理器安装,具体步骤请参考 安装指南。
通过以上文档,您应该能够顺利安装、使用和了解 SABnzbd 项目。如有任何问题,请参考项目的官方文档或加入 Discord 社区获取帮助。
登录后查看全文 
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
274
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
132
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++
597
157
暂无简介
Dart
564
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
239
14
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
98
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
445