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 StartedRust0187
cann-learning-hubCANN 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 Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
759
4.94 K
Claude 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 Started
Rust
1.78 K
187
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
716
866
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++
854
1.91 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++
1.07 K
1.09 K
🎉 (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
1.72 K
1.02 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++
674
1.32 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
454
436
