gallery-dl中如何针对不同服务配置独立的后处理器规则
2025-05-17 05:14:07作者:尤辰城Agatha
在gallery-dl下载工具的实际使用中,用户可能会遇到需要为不同服务(如kemono和boosty)配置不同后处理规则的情况。本文将通过一个典型配置案例,深入解析如何实现服务专属的后处理器配置。
问题背景
当用户在gallery-dl配置文件中同时定义全局后处理器和服务专属后处理器时,可能会出现重复处理的问题。例如在kemono配置中,boosty服务的文件会被应用两次后处理规则:既匹配了boosty专属的后处理器,又匹配了全局的后处理器。
解决方案
通过在全局后处理器中添加黑名单过滤,可以排除特定服务的处理。具体实现方式是:
- 在boosty服务配置中保留专属后处理器
- 在全局后处理器中添加
"blacklist": "*:boosty"参数
优化后的配置示例如下:
"boosty": {
"filename": "{date:%Y-%m-%d}_{id}_{title[:190]}_{num:>02}_{filename[:190]}.{extension}",
"postprocessors": [
{
"name": "metadata",
"event": "post",
"filename": "{date:%Y-%m-%d}_{id}.txt",
"mode": "custom",
"format": "{content}\n{embed[url]:?/\n/}"
}
]
},
"postprocessors": [
{
"name": "metadata",
"event": "post",
"filename": "{id}.txt",
"mode": "custom",
"format": "{content}\n{embed[url]:?/\n/}",
"blacklist": "*:boosty"
}
]
技术原理
gallery-dl的后处理器执行遵循以下规则:
- 服务级配置优先于全局配置
- 未指定黑名单/白名单时,后处理器会应用于所有匹配内容
- 黑名单语法支持通配符模式匹配
通过这种配置方式,可以实现:
- boosty服务使用专属的日期前缀元数据格式
- 其他服务使用全局的简洁元数据格式
- 避免任何服务的重复处理
最佳实践建议
- 对于需要特殊处理的平台,建议使用服务专属后处理器
- 全局后处理器应添加适当的黑名单过滤
- 可以通过
event参数进一步控制处理时机 - 复杂场景可以组合使用白名单和黑名单
这种配置方式不仅适用于metadata后处理器,也同样适用于其他类型的后处理器,如exec、zip等。理解这种配置模式可以帮助用户构建更灵活高效的下载工作流。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137