Kometa项目中正则表达式标签属性过滤问题的分析与修复

问题背景

在Kometa项目的1.20.0-nightly43版本中，发现了一个关于正则表达式(Regex)在标签属性过滤中的实现问题。该问题影响了两种主要场景：标签名称的正则过滤和语言名称的正则过滤。

问题详细描述

标签名称正则过滤问题

当用户尝试使用正则表达式过滤标签名称时，系统错误地将标签ID而非标签名称用于匹配。例如，当用户配置如下过滤器：

filters:
  - label.regex: '(?i)Language.*'

系统内部生成的过滤器会使用标签ID(如191386)来匹配标签名称(如"Language_test")，这显然会导致匹配失败。

语言名称正则过滤问题

在语言过滤场景中，系统错误地将三字母语言代码(如'ja')与完整语言名称(如'Japanese')和三字母代码(如'jpn')进行匹配。例如配置：

filters:
  - audio_language.regex: '(?i)\bJapanese\b'

系统会生成基于'ja'的过滤器，然后尝试匹配'Japanese'和'jpn'，由于大小写敏感和模式不匹配，导致过滤失败。

问题根源分析

通过代码审查发现，问题主要出在builder.py文件的第2648-2652行。在这段代码中，系统在处理正则表达式过滤时，错误地将键(key)而非名称(name)添加到了有效列表中。这导致后续过滤操作使用了错误的属性值进行匹配。

解决方案

核心修复方案

修改builder.py中的相关代码，确保使用名称(name)而非键(key)进行正则匹配。具体修改如下：

原代码：

for reg in util.validate_regex(data, self.Type, validate=validate):
    for name, key in names:
        if name not in used and re.compile(reg).search(name):
            used.append(name)
            valid_list.append((name, key) if plex_search else key)

修改后代码：

for reg in util.validate_regex(data, self.Type, validate=validate):
    for name, key in names:
        if name not in used and re.compile(reg).search(name):
            used.append(name)
            valid_list.append((name, key) if plex_search else name)

性能优化建议

进一步分析发现，在语言过滤场景中，系统不必要地检查了三字母语言代码。由于常规过滤(非正则)仅检查完整语言名称，可以移除对languageCode的检查，减少50%的搜索量。

修改plex.py中的相关代码：

原代码：

if filter_attr == "audio_language":
    for a in part.audioStreams():
        attrs.extend([a.language, a.languageCode])
if filter_attr == "subtitle_language":
    for s in part.subtitleStreams():
        attrs.extend([s.language, s.languageCode])

优化后代码：

if filter_attr == "audio_language":
    for a in part.audioStreams():
        attrs.extend([a.language])
if filter_attr == "subtitle_language":
    for s in part.subtitleStreams():
        attrs.extend([s.language])

影响评估

经过全面测试，这些修改不会破坏现有功能，同时能够正确解决正则表达式过滤问题。修改后的代码在完整库测试中表现正常，不会影响分辨率或其他标签的处理。

技术要点总结

1. 正则表达式过滤应始终针对显示名称而非内部ID或代码
2. 语言过滤场景中，三字母代码检查是不必要的冗余操作
3. 正确的属性选择是确保过滤准确性的关键
4. 性能优化可以在不影响功能的前提下减少不必要的计算

这些修改显著提升了Kometa项目中正则表达式过滤的准确性和效率，为用户提供了更可靠的媒体库管理体验。