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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00