Animation Garden项目中通用CSS Selector数据源路径处理问题分析
问题背景
Animation Garden项目在处理本地资源库时,通过通用CSS Selector数据源功能添加自定义数据源时遇到了相对路径解析问题。该问题表现为当用户使用本地HTTP服务器(如Python的http.server或Caddy的file_server)托管资源时,软件生成的播放路径与实际可播放路径不一致。
问题现象
用户资源库结构如下:
.
├── 结缘甘神神社 (2024) [tmdbid=234910]
│ ├── 结缘甘神神社 S01E01.mkv
│ ├── 结缘甘神神社 S01E02.mkv
│ ├── 结缘甘神神社 S01E03.mkv
│ └── 结缘甘神神社 S01E04.mkv
└── 青之箱 (2024) [tmdbid=207347]
├── 青之箱 S01E01.mp4
├── 青之箱 S01E02.mp4
├── 青之箱 S01E03.mp4
├── 青之箱 S01E04.mp4
└── 青之箱 S01E05.mp4
软件生成的播放路径为:
http://192.168.2.1:8000/%E7%BB%93%E7%BC%98%E7%94%98%E7%A5%9E%E7%A5%9E%E7%A4%BE%20S01E01.mkv
而实际可播放路径应为:
http://192.168.2.1:8000/%E7%BB%93%E7%BC%98%E7%94%98%E7%A5%9E%E7%A5%9E%E7%A4%BE%20%282024%29%20%5Btmdbid%3D234910%5D/%E7%BB%93%E7%BC%98%E7%94%98%E7%A5%9E%E7%A5%9E%E7%A4%BE%20S01E01.mkv
技术分析
当前实现的问题
当前代码从输入的"搜索链接"中提取协议、主机和端口部分作为baseUrl,然后将获取的href与baseUrl简单拼接。这种处理方式忽略了相对路径的上下文关系,导致路径解析错误。
例如:
- 当前页面:
https://example.com/video/ - 页面中的href:
./aaabbb/ - 正确结果应为:
https://example.com/video/aaabbb/ - 当前实现结果:
https://example.com/aaabbb/
解决方案探讨
-
URL解析改进: 正确的做法应该是基于当前页面的完整URL来解析相对路径,而不是简单地拼接baseUrl和相对路径。可以使用标准的URL解析库来处理这种关系。
-
多平台兼容性考虑: 由于项目需要支持多平台,不能直接使用Java平台的java.net.URI类。可以考虑使用Ktor框架中的io.ktor.http.Url类来实现跨平台的URL解析。
-
baseUrl保留的必要性: 虽然baseUrl在相对路径处理中存在一些问题,但它在项目中仍有重要作用,不能简单地移除。需要找到既能保留baseUrl功能又能正确处理相对路径的解决方案。
技术实现建议
建议采用以下方式改进URL解析逻辑:
- 在解析相对路径时,使用当前页面的完整URL作为基准URL
- 使用标准的URL解析算法处理相对路径
- 对于多平台支持,可以使用Ktor的URL处理功能
示例实现思路:
import io.ktor.http.*
fun computeAbsoluteUrl(baseUrl: String, relativeUrl: String): String {
return URLBuilder(baseUrl).takeFrom(relativeUrl).buildString()
}
兼容性考虑
由于这是一个可能影响现有功能的重大变更,需要考虑以下方面:
- 向后兼容性:确保不影响现有配置和数据源
- 渐进式改进:可以考虑分阶段实施改进
- 测试覆盖:需要增加针对相对路径处理的测试用例
总结
Animation Garden项目在处理本地资源库的相对路径时存在解析错误,这主要是由于URL拼接逻辑不够完善导致的。通过引入标准的URL解析算法,并考虑多平台兼容性,可以有效地解决这个问题。同时,在改进过程中需要谨慎处理兼容性问题,确保不影响现有功能。
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112