Flexget系列剧集下载配置中timeframe参数的注意事项
2025-07-08 01:28:51作者:宣海椒Queenly
问题背景
在使用Flexget进行自动化剧集下载时,很多用户会配置timeframe参数来控制下载时机。然而,一个常见的配置误区是只设置了timeframe而没有明确指定target或upgrade参数,这会导致Flexget采用默认的720p hdtv+作为目标质量,从而可能错过更高质量的资源。
典型错误配置
以下是一个典型的错误配置示例:
tv1080x4_5:
series_premiere: yes
series:
settings:
shows1080x4_5:
quality: 1080p
timeframe: 24 hours
tracking: no
propers: yes
shows1080x4_5:
- Show 1
- Show 2
download: /shared/torrents-unchecked/
在这个配置中,用户期望获取任何可用的1080p资源,但实际上由于没有明确指定target参数,Flexget会默认等待720p hdtv+质量的资源,导致1080p资源被忽略。
问题分析
Flexget的timeframe参数设计初衷是让用户能够:
- 等待更高质量的资源出现(通过
target参数) - 等待现有资源的升级版本(通过
upgrade参数)
当用户只设置timeframe而没有指定这两个参数时,系统会采用保守策略,默认以720p hdtv+作为目标质量。这种行为虽然保证了最低质量要求,但往往与用户期望不符。
解决方案
方案一:明确指定target参数
如果用户希望获取1080p质量的资源,应该明确指定:
settings:
shows1080x4_5:
quality: 1080p
timeframe: 24 hours
target: 1080p
tracking: no
propers: yes
方案二:移除不必要的timeframe
如果用户只是想获取第一个可用的1080p资源,不需要等待更高质量,可以直接移除timeframe:
settings:
shows1080x4_5:
quality: 1080p
tracking: no
propers: yes
最佳实践建议
- 明确目标质量:始终明确指定
target或upgrade参数,避免依赖系统默认值 - 合理设置timeframe:根据资源发布规律设置合理的等待时间,不宜过长或过短
- 日志监控:定期检查Flexget日志,确认下载行为符合预期
- 质量优先级:考虑使用质量优先级列表,而不仅仅是单一质量要求
总结
Flexget的timeframe参数是一个强大的工具,但需要正确配置才能发挥预期效果。用户应当避免只设置timeframe而不指定target或upgrade的配置方式,明确表达自己的质量需求,才能实现精准的自动化下载控制。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
223
90
暂无简介
Dart
721
174
Ascend Extension for PyTorch
Python
283
316
React Native鸿蒙化仓库
JavaScript
286
338
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++
849
438
🎉 (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
1.27 K
699
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
10
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19