OpenList 媒体整理工具 (OpenList Scraper)

OpenList Scraper 是一款现代化的本地媒体文件整理与元数据刮削工具。它专为影视爱好者设计，能够自动扫描本地或远程 (OpenList) 目录，智能识别剧集信息，刮削 TMDB 元数据，并批量执行重命名、生成 NFO 和下载海报等操作。

✨ 主要功能

• 智能识别：结合正则表达式与 LLM (大语言模型) 技术，精准识别文件名中的剧集、季数和集数信息，轻松应对各种复杂命名。
• 元数据刮削：对接 TMDB (The Movie Database) API，自动获取高质量的剧集简介、评分、发行日期和演职员表。
• 批量整理：
  • 标准化重命名：一键将乱序文件重命名为标准格式（如 Series Name - S01E01 - Title.mkv）。
  • NFO 生成：生成兼容 Kodi/Emby/Plex 的 .nfo 元数据文件。
  • 图片下载：自动下载高清海报 (Poster) 和单集剧照 (Thumb)。
• 双模式支持：
  • 本地模式：直接管理本机硬盘或 NAS 挂载路径下的视频文件。
  • OpenList 模式：支持连接 OpenList 服务器进行远程文件管理（需配置服务器 URL 和 Token）。
• 现代化 UI：基于 React + Tailwind CSS 构建的精美界面，支持 深色模式 (Dark Mode) 切换，提供网格与列表两种视图。
• 灵活配置：支持自定义正则匹配规则，可配置 OpenAI 兼容接口（如 LocalAI, Ollama）以降低识别成本。
• 详细的日志系统：内置活动日志面板，支持点击复制、折叠长日志（如 JSON 数据）、关键字高亮与多级日志过滤（Debug/Info/Error），方便排查元数据匹配问题。

🛠️ 技术栈

本项目基于以下前沿技术构建：

• 框架核心: Electron + React + TypeScript
• 构建工具: Vite
• 样式方案: Tailwind CSS v4
• 图标库: Lucide React
• 状态管理: Zustand
• 数据存储: Electron Store (本地配置) + Better-SQLite3 (媒体库缓存)

🚀 快速开始

开发环境搭建

1. 克隆仓库

   git clone https://github.com/your-username/openlist-scraper.git
   cd openlist-scraper

2. 安装依赖 推荐使用 npm 或 pnpm。

   npm install
   # 或者
   pnpm install

3. 启动开发模式 同时启动 Vite 开发服务器和 Electron 主进程。

   npm run dev

打包发布

构建生产环境的安装包（支持 Windows/macOS/Linux）：

npm run build

打包后的文件将位于 dist 目录中。

⚙️ 配置指南

首次启动软件后，请点击右上角的 设置 (Settings) 图标进行初始化配置：

1. 元数据源 (Metadata Provider)：
   • 输入您的 TMDB API Read Access Token。您可以在 TMDB 官网 免费申请。
2. LLM 模型 (可选)：
   • 为了获得最佳的文件名识别体验，建议配置 OpenAI 兼容接口（如 https://api.openai.com/v1 或本地 Ollama 地址 http://localhost:11434/v1）。
   • 输入 API Key 和模型名称（如 gpt-3.5-turbo 或 llama3）。
3. 媒体库 (Media Library)：
   • 选择 本地 (Local) 并指定您的视频文件夹路径。
   • 或者配置 OpenList 服务器信息。
4. 调试 (Debugging)：
   • 在 通用 (General) 设置中，您可以调整日志级别。设置为 Debug 可以查看详细的 API 请求参数、LLM Prompt 和原始 JSON 响应，便于排查扫描失败的原因。

📝 使用说明

1. 浏览文件：在主界面浏览您的视频目录。
2. 选择文件：
   • 点击文件卡片左侧的复选框进行多选。
   • 或点击顶部的 "全选" 按钮。
3. 开始匹配：
   • 点击工具栏右侧的 "匹配选中 (Match)" 按钮。
   • 系统将自动分析文件名，并弹窗让您确认匹配到的剧集信息。
4. 执行整理：
   • 确认无误后，勾选需要的操作（重命名、NFO、海报、剧照）。
   • 点击 "执行"，稍等片刻即可完成整理！

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

---

© 2025 Landon Li