RomM项目中排除Synology NAS特殊目录(@eaDir)的技术方案
2025-06-20 13:29:44作者:庞队千Virginia
问题背景
在使用RomM游戏ROM管理工具时,许多Synology NAS用户会遇到一个常见问题:扫描过程中系统会自动包含@eaDir目录。这些目录是Synology系统自动生成的缩略图缓存文件夹,对于游戏ROM管理而言完全没有必要显示在列表中。
错误配置分析
很多用户会误以为在platforms配置项下排除这些目录就能解决问题,实际上这是一个配置误区。platforms配置项仅用于控制已识别平台的显示行为,而不是用来排除文件系统目录的。
正确配置方法
RomM提供了专门的配置区域来处理文件排除问题,具体应该修改config.yml文件中的以下部分:
roms:
multi_file:
names:
- '@eaDir'
- '_hidden'
- '!images'
single_file:
names:
- '@eaDir'
- '._*'
配置说明
-
multi_file部分:处理多文件ROM情况下的排除规则
@eaDir:排除Synology的缩略图目录_hidden:排除以下划线开头的隐藏目录!images:排除标记为!images的目录
-
single_file部分:处理单文件情况下的排除规则
@eaDir:同样排除Synology的特殊目录._*:排除Mac系统生成的隐藏文件
高级排除技巧
对于需要更精细控制的用户,还可以配置以下选项:
parts:
extensions:
- txt
- xml
- jpg
names:
- data.xml
- '*.nfo'
这部分配置可以排除特定扩展名或文件名的非ROM文件,保持ROM库的整洁性。
配置验证
修改配置后,建议执行以下步骤验证:
- 保存
config.yml文件 - 在RomM管理界面重新扫描ROM库
- 检查扫描日志确认
@eaDir目录是否被正确排除 - 浏览ROM库界面确认不再显示无关目录
总结
通过正确配置RomM的排除规则,用户可以有效地过滤掉Synology NAS自动生成的特殊目录和其他非ROM文件,保持游戏库的整洁和专业性。关键在于理解RomM配置文件的结构,将不同类型的排除规则放在正确的配置区域中。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K