Kometa项目TMDb时间格式异常问题分析与解决方案
2025-06-28 03:18:57作者:傅爽业Veleda
问题背景
Kometa是一款基于Python开发的媒体库管理工具,它通过与TMDb(The Movie Database)API的交互来获取影视元数据。近期,Kometa用户普遍报告了一个严重问题:系统在处理TMDb返回的时间数据时出现格式不匹配的错误,导致整个应用无法正常运行。
错误现象
用户在执行Kometa操作时,系统抛出如下典型错误信息:
ValueError: time data '2009-01-23 16:34:44 UT' does not match format '%Y-%m-%dT%H:%M:%S'
这表明Kometa期望接收ISO 8601格式的时间字符串(如"2023-02-14T01:31:39"),但实际收到的是带有"UT"后缀的格式(如"2023-02-14 01:31:39 UT")。
问题根源
经过技术分析,这个问题源于TMDb API近期对时间格式进行了不兼容的变更:
- 格式变更:TMDb将原本的ISO 8601标准时间格式(%Y-%m-%dT%H:%M:%S)修改为包含"UT"后缀的格式
- 解析失败:Kometa内置的TMDb API解析器没有对这种新格式做兼容处理
- 缓存影响:部分用户即使清空缓存后问题仍然存在,说明问题不仅限于缓存数据
解决方案演进
临时解决方案
在官方修复发布前,社区提供了以下临时解决方案:
-
手动替换tmdb.py文件:
- 下载修复后的tmdb.py文件
- 对于非Docker环境,直接替换Python包中的对应文件
- 对于Docker环境,通过卷映射覆盖容器内文件
-
清除缓存:
- 删除或重命名config.cache文件强制重建缓存
长期解决方案
随着问题的发展,更完善的解决方案逐步推出:
-
升级tmdbapis库:
pip install --upgrade tmdbapis==1.2.26这个版本包含了对新时间格式的完整支持
-
使用nightly分支: Kometa的nightly分支已经整合了完整的修复方案
技术细节
时间格式处理机制
Kometa通过Python的datetime.strptime方法解析TMDb返回的时间数据。修复后的版本需要处理两种时间格式:
- 传统ISO格式:
%Y-%m-%dT%H:%M:%S - 新格式:
%Y-%m-%d %H:%M:%S UT
缓存机制影响
虽然问题主要出在API响应解析阶段,但缓存系统也可能受到影响:
- 错误的时间数据可能被缓存
- 清除缓存可以确保获取最新的API响应
- 部分用户需要多次清除缓存才能完全解决问题
最佳实践建议
-
升级方案:
- 优先考虑升级tmdbapis到1.2.26或更高版本
- 次选方案是使用Kometa的nightly分支
-
故障排查:
- 添加
--log-requests参数获取详细请求日志 - 检查Plex中的匹配状态,确保元数据完整
- 添加
-
环境差异:
- 注意不同Docker镜像的文件路径差异
- LinuxServer.io镜像使用不同Python路径
总结
这次Kometa与TMDb API的兼容性问题展示了外部API变更可能对依赖系统造成的广泛影响。通过社区协作和快速响应,问题在短时间内得到了有效解决。建议用户保持组件更新,并关注官方渠道的技术公告,以确保系统稳定运行。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。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
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
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
321
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
Ascend Extension for PyTorch
Python
157
179
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++
641
251
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
244
86
暂无简介
Dart
610
136
React Native鸿蒙化仓库
JavaScript
239
311
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
1.03 K
470
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
364
3.04 K