gallery-dl中特殊格式字符串与元数据处理器的使用技巧
在使用gallery-dl进行媒体下载时,合理配置文件名格式和元数据处理是提高工作效率的关键。本文将深入探讨如何正确使用特殊格式字符串和元数据处理器来实现复杂的文件名定制需求。
特殊格式字符串的局限性
gallery-dl支持多种格式字符串,但需要注意的是,特殊格式说明符(如Olocal)只能在标准格式字符串中工作,而不能在f-字符串中使用。例如,以下配置会导致Olocal被直接包含在文件名中而不会生效:
"filename": "\fF {author['handle'].split('.')[0]}-{post_id}-{date:Olocal/%Y%m%d-%H%M%S}-img{num}.{extension}"
元数据处理器解决方案
为了解决这个问题,我们可以利用metadata:modify后处理器来预处理需要的字段。这种方法不仅解决了特殊格式字符串的限制,还使配置更加清晰和可维护。
基本配置示例
{
"archive-format": "{author_name}-{post_id}-{date_local}-img{num}.{extension}",
"filename": "{author_name}-{post_id}-{date_local}-img{num}.{extension}",
"directory": {
"" : ["social_media", "\fF {author['handle'].split('.')[0]}"]
},
"postprocessors": [
{
"name": "metadata",
"mode": "modify",
"event": "prepare,post",
"fields": {
"author_name": "\fF {author['handle'].split('.')[0]}",
"date_local": "{date:Olocal/%Y%m%d-%H%M%S}"
}
},
{
"name": "metadata",
"event": "post",
"filename": "{author_name}-{post_id}-{date_local}.json",
"archive": "./social_media/social_media-metadata.sqlite3",
"archive-format": "{author_name}-{post_id}-{date_local}.json"
}
]
}
关键点说明
-
元数据预处理:第一个
metadata:modify处理器在prepare和post事件阶段运行,预先计算并存储author_name和date_local字段。 -
事件阶段选择:必须正确设置
event参数,特别是对于JSON元数据文件的处理,需要确保在post或post-after阶段执行,否则可能得到包含None值的文件名。 -
目录处理特殊性:注意
directory配置中的字段不会受到metadata:modify的影响,因此需要保留原始的f-字符串表达式。
高级应用场景
不同媒体类型的独立命名
对于头像和背景图片等不同类型的媒体,可以分别指定命名规则:
{
"avatar": {
"filename": "{author_name}-avatar-{uri}.{extension}"
},
"background": {
"filename": "{author_name}-background-{uri}.{extension}"
}
}
错误处理优化
当遇到无结果的URL时,可以通过以下配置将信息日志降级为调试级别,避免干扰正常输出:
{
"actions": {
"info:No results for": "level = debug"
}
}
最佳实践建议
-
尽量使用
metadata:modify预处理复杂字段,而不是在文件名中直接使用复杂的f-字符串表达式。 -
对于JSON元数据文件的处理,确保相关处理器在
post或post-after阶段执行。 -
为不同类型的媒体资源设计独立的命名规则,提高文件管理的清晰度。
-
合理配置日志级别,保持输出信息的整洁性。
通过以上方法和技巧,可以充分发挥gallery-dl的灵活性,实现各种复杂的文件命名和管理需求。
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