3步搞定Jellyfin电影元数据!MetaShark插件让你的影视库信息秒变丰富✨
Jellyfin.Plugin.MetaShark 是一款专为Jellyfin媒体服务器设计的元数据插件,能自动从豆瓣和TMDB获取电影、电视剧的详细信息,包括海报、剧情简介、演员列表等,特别优化了中文影视资源的识别能力,还支持动漫特殊命名格式解析。
📋 准备工作:安装环境配置
在开始前,请确保你的系统已安装 .NET Core SDK 9.0。安装完成后,打开终端输入以下命令验证:
dotnet --version
若显示版本号,则说明环境准备就绪。
🛠️ 插件获取与安装
方式一:通过源码构建(推荐)
-
首先克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/je/jellyfin-plugin-metashark.git cd jellyfin-plugin-metashark -
恢复依赖并构建插件:
dotnet restore dotnet publish --configuration Release Jellyfin.Plugin.MetaShark/Jellyfin.Plugin.MetaShark.csproj构建完成后,插件文件会生成在
Jellyfin.Plugin.MetaShark/bin/Release/net9.0/目录下。
方式二:直接下载插件文件
若不想构建源码,可从项目的Release页面下载已编译的 .dll 文件(需自行查找最新版本)。
将插件安装到Jellyfin
-
找到Jellyfin的插件目录:
- Windows:
%APPDATA%\Jellyfin\Plugins - Linux/macOS:
~/.config/Jellyfin/plugins
- Windows:
-
将构建好的
Jellyfin.Plugin.MetaShark.dll文件复制到上述目录。 -
重启Jellyfin服务,使插件生效。
⚙️ 插件配置与使用
启用插件
-
登录Jellyfin管理界面,进入 控制台 → 插件,确认MetaShark插件状态为 Active。
-
进入 控制台 → 媒体库,选择你的媒体库,在 元数据下载器 中勾选 MetaShark,并将其移至首位。
图:在媒体库设置中启用MetaShark插件
优化配置建议
- 防封禁设置:若需刮削大量电影,进入插件配置页面勾选 防封禁功能,避免因频繁请求豆瓣导致IP被封。
- 图片显示问题:若海报等图片无法加载,在插件配置中填写Jellyfin的访问域名(如
http://your-jellyfin-ip:8096)。 - 数据源选择:默认仅使用豆瓣数据,若需要剧集信息,可开启 从TMDB获取数据 选项;若访问TMDB缓慢,可关闭该选项。
🔍 核心功能模块解析
插件的核心功能由以下模块实现:
- 元数据获取:Jellyfin.Plugin.MetaShark/Api/ 目录下包含豆瓣(DoubanApi.cs)、TMDB(TmdbApi.cs)等数据源的API封装。
- 名称解析:Jellyfin.Plugin.MetaShark/Core/NameParser.cs 负责解析影视文件名,提取标题、年份、集数等信息。
- 元数据提供:Jellyfin.Plugin.MetaShark/Providers/ 目录包含电影、剧集、人物等元数据的具体提供逻辑,如
MovieProvider.cs处理电影信息。
📝 注意事项
- 网络权限:确保Jellyfin服务器能访问互联网,以便插件获取元数据。
- 版本兼容:本插件适用于Jellyfin 10.9.x及以上版本,低版本可能存在兼容性问题。
- 数据安全:插件配置文件位于 Jellyfin.Plugin.MetaShark/Configuration/PluginConfiguration.cs,请勿随意修改核心参数。
🎉 效果展示
成功配置后,你的影视库将自动获取丰富的元数据,效果如下:
图:启用MetaShark后,电影详情页显示豆瓣评分、剧情简介等信息
❓ 常见问题
Q:插件安装后不显示怎么办?
A:检查Jellyfin日志,确认插件目录路径是否正确,或尝试删除插件目录下的 meta.json 文件后重启服务。
Q:刮削时提示IP被封禁?
A:开启插件配置中的 防封禁功能,并等待6小时后再试(豆瓣IP封禁通常会在6小时后自动解除)。
通过以上步骤,你已成功安装并配置了MetaShark插件。现在,尽情享受拥有完整元数据的Jellyfin影视库吧!如有更多问题,可参考项目文档或提交Issue反馈。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0187
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08