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。
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