Get iPlayer Automator项目更新日志深度解析
2025-06-11 17:25:28作者:吴年前Myrtle
项目概述
Get iPlayer Automator是一款功能强大的媒体下载工具,主要用于从BBC iPlayer、ITV等英国主流媒体平台获取节目内容。该项目通过自动化流程简化了媒体下载、元数据处理和文件管理的全过程,为技术爱好者和媒体收藏者提供了极大便利。
核心功能演进分析
下载引擎升级
2022年3月29日的更新中,项目引入了yt-dlp作为ITV下载的新引擎,这是一个重要转折点:
- 内置Python 3运行时环境,消除了对系统Python的依赖
- 下载过程改用了多线程架构,显著改善了用户体验
- 解决了缩略图获取的稳定性问题
2022年6月22日更新到get_iplayer 3.30版本后:
- 修复了高清电视节目下载问题
- 新增了对1080p视频格式的支持(此前最高仅支持720p)
- 文件体积增加了约50%,用户需注意存储空间管理
元数据处理优化
项目在元数据(metadata)处理方面经历了多次迭代改进:
-
ITV节目标记(2022年10月10日):
- 恢复了Atomic Parsley标记功能
- 修正了日期显示格式
- 改进了系列和季数的识别逻辑
-
BBC元数据解析(2021年3月16日):
- 修复了节目、系列和单集信息的解析逻辑
- 使用JSON解析器获取内容类型等基本信息
-
文件标记统一性(2021年2月28日):
- 确保ITV文件标记显示单集名称而非"系列名-日期"格式
- 在主界面中分离了系列和单集列
队列管理增强
2022年11月2日引入的批量排队功能是用户体验的重大提升:
- 支持从网页获取所有节目ID并自动加入下载队列
- 自动填充元数据信息
- 注意:无法过滤已下载历史记录中的节目
兼容性演进
平台支持
- 2020年12月6日:新增Apple Silicon原生支持
- 2022年10月10日:宣布macOS 11.0将成为新的最低系统要求
浏览器兼容
项目逐步扩展了支持的浏览器范围:
- Brave浏览器(2022年6月22日)
- Microsoft Edge(2020年9月6日)
- Vivaldi等WebKit浏览器(2021年4月23日)
技术架构改进
性能优化
- 内存泄漏修复(2021年2月27日)
- 代码重构和死代码清理(多次更新中提及)
- ITV缓存更新改用后台线程(2022年3月29日)
安全增强
- 证书更新(2023年1月15日、2021年7月29日)
- 加密库从PyCrypto迁移到PyCryptodome(2021年5月5日)
用户界面改进
-
可视化增强:
- 彩色日志窗口(2023年1月15日)
- 主窗口像素对齐优化(2022年10月10日)
-
交互优化:
- 可调整大小的主窗口(2020年12月6日)
- 移除下载队列的列排序功能(2022年10月10日)
- 恢复队列编辑功能(2021年3月1日)
常见问题解决方案
-
下载停滞问题:
- 更新到youtube-dl 2020.12.12版本(2020年12月31日)
- 改进ITV错误处理机制
-
403错误处理:
- 使用固定的User-Agent字符串(2022年1月24日)
-
自动重启逻辑:
- 修复缓存自动更新的意外触发(2021年1月3日)
项目维护现状
从更新日志可以看出,该项目保持着活跃的维护状态,主要维护者定期解决平台变更带来的兼容性问题,并持续优化核心功能。特别是在应对BBC、ITV等平台接口变化方面反应迅速,确保工具始终可用。
使用建议
对于新用户,建议:
- 从最新版本开始使用以获得完整功能
- 注意1080p内容带来的存储需求变化
- 合理利用批量排队功能提高效率
- 关注日志窗口的彩色提示快速定位问题
对于升级用户,特别注意:
- macOS 10.x支持即将终止
- BBC下载质量设置可能需要重新配置
- ITV相关功能可能因平台变更而暂时不可用
该项目通过持续的更新维护,为用户在快速变化的媒体平台环境中提供了稳定的下载解决方案。
登录后查看全文
热门项目推荐
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
HunyuanVideo-1.5暂无简介00
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
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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