Transmission 下载完成后自动复制种子文件的技术实现
背景介绍
Transmission 是一个轻量级的 BT 客户端,广泛应用于 Linux 服务器环境。在实际使用中,用户经常需要在下载完成后执行一些自动化操作,比如复制种子文件到指定目录以便后续做种或备份。
问题分析
在 Ubuntu 22.04 系统上运行 Transmission 4.0.5 版本时,用户希望通过脚本在下载完成后将种子文件从 Transmission 的默认存储位置复制到其他目录。但遇到了权限问题和脚本执行错误。
关键知识点
-
Transmission 的脚本触发机制:通过设置
script-torrent-done-filename参数可以指定下载完成时执行的脚本。 -
种子文件存储位置:默认情况下,Transmission 将种子文件存储在
/var/lib/transmission-daemon/.config/transmission-daemon/torrents/目录下,文件名格式为[哈希值].torrent。 -
权限管理:Transmission 默认以
debian-transmission用户运行,该用户对种子文件有读写权限。
解决方案
正确的脚本编写方法
-
环境变量使用:Transmission 会向脚本传递多个环境变量,如
TR_TORRENT_HASH和TR_TORRENT_NAME,可以直接在脚本中使用。 -
路径处理:在脚本中正确处理路径和引号,避免语法错误。例如:
#!/bin/bash
set -x -v
exec &> /tmp/script.log
# 正确写法:变量在双引号外展开
cp "/var/lib/transmission-daemon/.config/transmission-daemon/torrents/${TR_TORRENT_HASH}.torrent" "/media/Download/torrent/reseed/${TR_TORRENT_NAME}.torrent"
权限配置要点
-
目标目录权限:确保
debian-transmission用户对目标目录有写入权限。对于 NTFS 挂载的分区,需要在/etc/fstab中正确配置挂载选项。 -
测试脚本权限:可以使用
sudo -u debian-transmission bash命令以 Transmission 的运行用户身份测试脚本。
系统服务配置注意事项
-
不推荐以 root 运行:虽然可以修改 systemd 服务文件让 Transmission 以 root 运行,但这会带来安全隐患。
-
正确的服务配置:保持默认的
debian-transmission用户运行,只需确保脚本和目录权限正确即可。
最佳实践建议
-
日志记录:在脚本中添加日志记录功能,便于排查问题。
-
错误处理:增加错误判断逻辑,确保脚本健壮性。
-
定期维护:定期清理旧的种子文件备份,避免占用过多存储空间。
通过以上方法,可以可靠地实现 Transmission 下载完成后自动复制种子文件的功能,同时保证系统的安全性和稳定性。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112