Jellyfin 元数据插件 MetaShark 快速部署指南
2026-02-06 04:14:40作者:郜逊炳
Jellyfin-Plugin-MetaShark 是一款专为 Jellyfin 媒体服务器设计的增强型元数据插件,核心功能是整合豆瓣丰富的中文影视资源与 TMDB 的全球影视数据库,为用户提供精准的中文元数据信息,同时支持动漫特有的命名格式解析,让媒体库管理更高效。
📋 环境准备与系统要求
基础依赖检查
在开始安装前,请确保您的系统已满足以下条件:
- .NET SDK 9.0 或更高版本(必选)
- Git 版本控制工具(可选,用于克隆代码库)
- 兼容的操作系统:Windows 10/11、Linux (Ubuntu 20.04+/Debian 11+) 或 macOS 12+
安装 .NET SDK
Windows 系统
- 访问 .NET 官方下载页面获取安装程序
- 运行安装包并遵循向导完成安装
- 验证安装:打开 PowerShell 执行以下命令
dotnet --version # 应输出 9.0.x 版本号
Linux 系统(以 Ubuntu 为例)
# 添加 Microsoft 包存储库
wget https://packages.microsoft.com/config/ubuntu/22.04/packages-microsoft-prod.deb -O packages-microsoft-prod.deb
sudo dpkg -i packages-microsoft-prod.deb
# 安装 .NET SDK
sudo apt update && sudo apt install -y dotnet-sdk-9.0
# 验证安装
dotnet --version # 应输出 9.0.x 版本号
macOS 系统
使用 Homebrew 安装:
brew install dotnet-sdk
dotnet --version # 验证安装
🔧 插件获取与构建
方式一:源码构建(推荐)
# 克隆代码库
git clone https://gitcode.com/gh_mirrors/je/jellyfin-plugin-metashark
cd jellyfin-plugin-metashark
# 恢复依赖项
dotnet restore # 此命令会下载项目所需的所有 NuGet 包
# 构建发布版本
dotnet publish --configuration Release \
--output ./build \ # 指定输出目录
Jellyfin.Plugin.MetaShark/Jellyfin.Plugin.MetaShark.csproj
构建成功后,插件文件将生成在 ./build 目录下,核心文件为 Jellyfin.Plugin.MetaShark.dll。
方式二:直接下载发布包
如果您不想进行源码构建,可以:
- 访问项目发布页面获取最新版本的 ZIP 压缩包
- 解压后即可获得编译好的 DLL 文件
🚀 插件部署与配置
部署到 Jellyfin
Windows 系统
# 假设 Jellyfin 数据目录位于默认位置
$pluginPath = "$env:APPDATA\Jellyfin\Plugins\MetaShark"
New-Item -ItemType Directory -Path $pluginPath -Force
# 复制构建好的插件文件
Copy-Item -Path .\build\*.dll -Destination $pluginPath
Linux 系统
# 创建插件目录(根据实际安装路径调整)
plugin_dir="$HOME/.config/Jellyfin/plugins/MetaShark"
mkdir -p "$plugin_dir"
# 复制插件文件
cp ./build/*.dll "$plugin_dir/"
macOS 系统
plugin_dir="$HOME/Library/Application Support/Jellyfin/Plugins/MetaShark"
mkdir -p "$plugin_dir"
cp ./build/*.dll "$plugin_dir/"
服务重启与验证
# Linux 系统重启 Jellyfin 服务
sudo systemctl restart jellyfin
# 验证服务状态
sudo systemctl status jellyfin # 应显示 "active (running)"
⚙️ 插件配置与优化
基础设置步骤
- 登录 Jellyfin 管理界面,进入 控制台 > 插件
- 在已安装插件列表中找到 MetaShark,确认状态为 Active
- 进入 媒体库 设置,选择目标媒体库:
- 在 元数据下载器 中勾选 MetaShark
- 使用上下箭头将其移至首位(确保优先使用)
高级优化配置
推荐配置:
- 防封禁设置:启用 "请求频率限制" 功能,避免因频繁访问豆瓣导致 IP 被封禁
- 数据源优先级:中文内容推荐优先使用豆瓣数据,外文内容可优先 TMDB
- 图片加载优化:配置 Jellyfin 访问域名,解决外部图片加载失败问题
性能调优:
# 在插件配置页面调整以下参数
- 并发请求数:根据服务器性能设置(建议 2-4)
- 缓存过期时间:设置为 7-30 天,减少重复请求
- 剧集数据来源:网络条件差时可仅使用豆瓣数据
🔍 验证安装与功能测试
基础功能验证
- 添加一个新的电影到媒体库
- 触发元数据刷新:右键点击媒体 > 刷新元数据
- 检查信息是否正确加载:
- 中文标题、导演、演员等元数据
- 电影海报和背景图片
- 评分和简介信息
命令行验证(高级用户)
# 查看 Jellyfin 日志确认插件加载状态
tail -f /var/log/jellyfin/jellyfin.log | grep MetaShark
# 应显示 "MetaShark plugin loaded successfully"
❓ 常见问题解决
插件无法加载
症状:Jellyfin 日志显示 System.BadImageFormatException
解决步骤:
# Linux 系统示例
plugin_dir="$HOME/.config/Jellyfin/plugins/MetaShark"
rm -f "$plugin_dir/meta.json" # 删除损坏的元数据文件
rm -f "$plugin_dir/._*" # 删除 macOS 生成的隐藏文件
systemctl restart jellyfin
元数据获取失败
可能原因与解决:
- 网络问题:检查服务器网络连接,确保可访问豆瓣和 TMDB
- API 限制:启用插件的 "防封禁模式",降低请求频率
- 权限不足:验证插件目录权限
chmod -R 755 "$HOME/.config/Jellyfin/plugins/MetaShark"
版本更新检查
# 进入插件目录
cd jellyfin-plugin-metashark
# 检查更新
git pull origin main
# 重新构建
dotnet publish --configuration Release
📝 版本历史与更新日志
- 最新稳定版:支持 Jellyfin 10.9.x/10.10.x 系列
- 主要更新:
- 优化豆瓣 API 解析逻辑
- 增强动漫命名格式支持
- 修复 Linux 系统下的路径问题
⚠️ 注意事项
- 本插件仅用于个人学习交流,请勿用于商业用途
- 合理设置请求频率,避免给数据源服务器造成负担
- 定期更新插件以获取最新功能和 bug 修复
通过以上步骤,您已成功部署并配置了 MetaShark 插件,现在可以享受更丰富、更精准的中文媒体元数据服务了!如有其他问题,请参考项目文档或提交 issue 寻求帮助。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0765
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0311
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
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
494
515
deepin linux kernel
C
32
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
968
2.28 K
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。
C
845
6.18 K
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++
1.21 K
1.25 K
AtomGit CLI (ag cli),AtomGit 命令行工具,参考 GitHub CLI (gh) 开发。
目前 atomgit-cli 项目已在 AtomCode 的 Coding Plan 项目列表中
Go
40
24
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
283
暂无描述
Markdown
827
5.48 K
