首页
/ Tdarr项目中的转码历史记录API使用指南

Tdarr项目中的转码历史记录API使用指南

2025-06-24 09:47:41作者:咎竹峻Karen

在媒体处理工具Tdarr中,开发者经常需要获取历史转码记录来进行数据分析或生成统计报告。本文将详细介绍如何通过Tdarr的API接口查询转码历史记录。

核心API端点

Tdarr提供了api/v2/client/jobs端点来查询所有作业记录,包括转码任务。这个端点支持分页查询和多种过滤条件,可以灵活地获取所需数据。

查询转码历史记录

要查询转码历史记录,可以使用以下POST请求示例:

{
    "data": {
        "start": 0,
        "pageSize": 100,
        "filters": [
            {
                "id": "job.type",
                "value": "Transcode"
            },
            {
                "id": "start",
                "value": "2025-03-28"
            }
        ],
        "sorts": [],
        "opts": {}
    }
}

其中关键参数说明:

  • start: 分页起始位置
  • pageSize: 每页返回的记录数
  • filters: 过滤条件数组
    • job.type=Transcode 过滤出转码任务
    • start=日期 按日期过滤

响应数据结构

API返回的响应中包含两个重要字段:

  • data.array: 作业记录数组,包含详细的转码信息
  • data.totalCount: 符合过滤条件的记录总数

实用技巧

  1. 日期范围查询:虽然API不直接支持日期范围过滤,但可以通过多次查询不同日期的数据来实现。

  2. UI辅助调试:在Tdarr的Web界面中设置好过滤条件后,通过浏览器开发者工具查看网络请求,可以快速获取正确的API调用格式。

  3. 分页处理:对于大量历史记录,需要合理设置startpageSize参数进行分页获取。

高级应用

开发者可以利用这些历史数据实现多种功能:

  • 生成转码统计报告
  • 构建转码效率分析工具
  • 开发通知系统,定期汇总转码情况
  • 监控转码失败率等关键指标

Tdarr的作业查询API虽然功能强大,但由于历史原因,接口设计略显复杂。建议开发者先通过Web界面熟悉各种过滤条件,再通过API实现自动化查询。

通过合理利用这些API,开发者可以轻松获取所需的转码历史数据,为各种扩展功能提供数据支持。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
23
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K
flutter_flutterflutter_flutter
暂无简介
Dart
526
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
211
287
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (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
986
583
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
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++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
43
0