后端前端音视频【免费下载链接】Auto_BangumiAutoBangumi - 全自动追番工具项目地址https://gitcode.com/gh_mirrors/au/Auto_Bangumi点击查看免费下载AutoBangumi简称 AB是一款基于 RSS 订阅的全自动动漫下载与整理工具只要在 Mikan Project 等站点订阅感兴趣的动画它便会持续抓取 RSS 源、解析种子标题、自动生成下载规则交给 qBittorrent / aria2并在下载完成后将文件重命名为媒体库可直接刮削的标准目录结构。本文以仓库首页 docs/ja/index.md 的功能定位为骨架结合后端源码与部署文档完整讲解其核心能力、底层流水线实现与从零部署到日常管理的实战方案。项目定位RSS 驱动的全自动追番工具AutoBangumi 的核心定位是一条订阅即追番的自动化链路。按官方首页的描述它实现了RSS 订阅解析自动识别并解析动漫 RSS 订阅无需手动录入订阅后自动完成解析、下载与整理qBittorrent / aria2 下载器借助 qBittorrent 或 aria2 下载动画并支持既有动画管理、历史剧集补全下载、条目删除TMDB 元数据匹配通过 TMDB 匹配动画信息、获取准确元数据即便面对多个字幕组也能正确解析媒体库兼容整理基于匹配结果自动整理文件名与目录结构使 Plex、Jellyfin、Infuse 等媒体库软件能以高成功率刮削元数据。从仓库结构看这套能力分别落在 rss 引擎、解析器分析模块、下载客户端 与 重命名管理器 中后面将逐一展开。六大流水线阶段从 RSS 到媒体库就绪官方概述文档 docs/ja/home/pipline.md 将 AutoBangumi 定义为一个RSS 解析器其完整流水线分为六个阶段RSS 解析—— AB 定期抓取并解析订阅的 RSS 源标题分析—— 从种子标题中提取动画名称、集数、季度、字幕组与分辨率规则生成—— 依据解析结果向 qBittorrent 创建下载规则下载管理—— qBittorrent 处理实际的种子下载文件整理—— 下载完成的文件被重命名并移动到标准化目录结构媒体库兼容—— 整理后的文件可被 Plex、Jellyfin 等媒体服务器直接识别。这一流程在代码层面由RSSEnginebackend/src/module/rss/engine.py承载refresh_rss()负责拉取全部活跃订阅、抓取新种子、与番剧列表匹配并投递给下载客户端SeasonCollectorbackend/src/module/manager/collector.py负责季内补全Renamerbackend/src/module/manager/renamer.py负责文件整理。三个管理器分别对应流水线的第 13、4、5 阶段。源码级剖析RSS 引擎与下载规则生成RSSEngine是整个自动化链路的中枢其关键实现细节值得逐一解读。多主机并发与单主机限速_refresh_rss()中按 RSS 地址的主机名urlparse(item.url).netloc对订阅分组不同站点之间通过asyncio.gather并行抓取同一站点内的多个订阅则串行拉取并且相邻请求间隔RSS_PER_HOST_DELAY 2.0秒。源码注释明确说明这是为了规避同一站点瞬间打出整个批次请求而被 HTTP 429 限流对应 issue #1026。整体并发由asyncio.Semaphore(5)兜底。种子匹配与过滤器每个新种子会与当前活跃番剧列表每轮刷新只加载一次做内存匹配match_torrent()先按标题匹配番剧若该番剧配置了filter正则过滤器则只有通过过滤的种子才会被挂上bangumi_id——被排除的种子不能关联到番剧名下否则后续 OffsetScanner 会用用户明确排除的剧集来计算偏移建议。过滤器支持逗号分隔的多个表达式内部转换为|正则若表达式含非法正则字符则回退为逐词字面量匹配。发布组 / 分辨率偏好去重对于设置了preferred_group偏好字幕组或preferred_resolution偏好分辨率的番剧引擎会按内容身份媒体类型 规范化季度 集数做逐集去重本批候选只保留偏好得分最高的一版已下载版本中偏好得分更高或修订号revision更高的新版本才会替换旧版本。未设置偏好的番剧沿用每个匹配都下载的旧行为多字幕组各自下载全集。实现位于_select_preference_skips()backend/src/module/rss/engine.py。失败重试语义投递下载器失败的种子不会入库入库后check_new按 URL 去重、将永不再处理下一轮刷新时该种子仍在源里会重新匹配并重试同时发出DownloadFailureEvent通知而下载器已存在的重复种子DUPLICATE被视为成功不产生失败告警。季内补全SeasonCollectoreps_complete()定期检查eps_collect标记对未补全的番剧调用SeasonCollector.collect_season()通过搜索器或番剧 RSS 链接拉取整季种子过滤后批量投递下载。源码中有一个值得注意的细节补全前番剧必须先行落库拿到id因为add_torrent用它打ab:id标签、种子行也用它关联bangumi_id否则已匹配的种子会被误记为孤儿orphantrack_orphans开关也随之失效。标题解析引擎与元数据匹配解析器引擎选择RSSEngine的refresh_rss通过parser_engine_snapshot()backend/src/module/parser/analyser/selector.py为整轮工作流固定同一个解析引擎classic或tokenizer。该快照基于ContextVar实现状态可跨await边界存活、会被子任务继承且与并发任务相互隔离避免解析中途观察到配置热重载。默认配置rss_parser.engine为classic见 backend/src/module/conf/const.py。TMDB 元数据匹配官方功能页强调完整的 TMDB 格式文件与动画元数据由内建 TMDB 解析器生成。从分析器目录 backend/src/module/parser/analyser 可见除 Mikan 解析器、原始标题解析器与 LLM 解析器外还有独立的tmdb_parser.py负责把解析出的动画名、季度与 TMDB 数据对齐为后续重命名提供官方标题与标准季数。这也是番剧卡片、海报与元数据更新的数据基础。文件整理三种重命名方式与标准化目录官方重命名文档 docs/ja/feature/rename.md 说明 AB 提供三种重命名方式对应配置项bangumi_manage.rename_method方式说明示例pnpure name使用种子下载名重命名[Lilith-Raws] 86 - Eighty Six - 01 [Baha][WEB-DL][1080p][AVC AAC][CHT][MKV].mkv→86 - Eighty Six S01E01.mkvadvance高级重命名使用父目录名重命名/downloads/Bangumi/86 - Eighty Six(2023)/Season 1/...mkv→86 - Eighty Six(2023) S01E01.mkvnone不重命名文件保持原样—官方首页给出了整理后的理想目录结构Bangumi ├── bangumi_A_title │ ├── Season 1 │ │ ├── A S01E01.mp4 │ │ ├── A S01E02.mp4 │ │ ├── A S01E03.mp4 │ │ └── A S01E04.mp4 │ └── Season 2 │ ├── A S02E01.mp4 │ ├── A S02E02.mp4 │ ├── A S02E03.mp4 │ └── A S02E04.mp4 ├── bangumi_B_title │ └─── Season 1首页同时声明重命名后 99% 以上的动画文件可被媒体库软件直接刮削。从实现看Renamerbackend/src/module/manager/renamer.py在重命名时会先解析剧集号、应用番剧配置的季/集偏移_adjust_episode再结合 TMDB 匹配结果计算目标路径并对外暴露ab:renamed标签供 filebot、hlink 等外部脚本过滤已处理任务。剧场版与特殊篇整理3.3 版本起AB 能识别剧场版、OVA、OAD、SP、Special 等非 TV 剧集类型并以媒体库友好的结构进行整理见 docs/ja/changelog/3.3.md。Movie模型与download_movie()路径backend/src/module/rss/engine.py表明剧场版通过独立的 RSS 链接拉取种子、应用filter后投递下载。剧集偏移Offset自 v3.2 起 AB 支持重命名时应用剧集偏移典型场景是RSS 显示的集数与期望不符如 S2E01 实际应为 S1E29或动画因放送间隔存在虚拟季度。配置了偏移后重命名会自动换算原S02E01.mkv 应用偏移后季度-1、集数28S01E29.mkv偏移设置入口在番剧编辑的详细设置中也可点击自动检测让 AB 分析 TMDB 剧集放送日期来识别虚拟季度并给出建议值详见 docs/ja/feature/bangumi.md。后台扫描线程还会定期检查既有订阅的偏移问题并在番剧卡片上以黄色!徽章标记需审查。番剧管理编辑、归档与禁用官方番剧管理文档 docs/ja/feature/bangumi.md 总结了 WebUI 中的日常操作通知徽章v3.2 起番剧卡片显示 iOS 风格状态徽章——黄色!表示订阅需审查如检测到偏移问题、数字徽章表示存在多条规则、组合徽章如! | 2表示同时有警告与多规则带警告的卡片还有黄色光晕动画。归档 / 解除归档手动归档把番剧移入列表底部可折叠的已归档区当 TMDB 系列状态为终了/已取消时也可通过设置 → 更新元数据自动归档已归档条目可随时解除归档恢复。禁用与删除因为 AB 持续解析聚合 RSS不想要的规则应禁用停止下载与重新解析或从聚合 RSS 中取消订阅单纯删除番剧条目会在下一轮解析中被重新创建。详细设置编辑弹窗中的高级选项包括季偏移、集偏移与自定义正则过滤器用于种子匹配。从零部署Docker 快速开始官方快速开始文档 docs/ja/deploy/quick-start.md 推荐以 Docker 部署完整步骤如下。1. 准备数据与配置目录使用绑定挂载以便更新时持久化数据与配置mkdir -p ${HOME}/AutoBangumi/{config,data} cd ${HOME}/AutoBangumi也可以改用 Docker 卷docker volume create AutoBangumi_config docker volume create AutoBangumi_data2. Docker CLI 部署docker run -d \ --nameAutoBangumi \ -v ${HOME}/AutoBangumi/config:/app/config \ -v ${HOME}/AutoBangumi/data:/app/data \ -p 7892:7892 \ -e TZAsia/Tokyo \ -e PUID$(id -u) \ -e PGID$(id -g) \ -e UMASK022 \ --networkbridge \ --dns8.8.8.8 \ --restart unless-stopped \ --log-opt max-size10m \ --log-opt max-file3 \ ghcr.io/estrellaxd/auto_bangumi:latest3. Docker Compose 部署version: 3.8 services: AutoBangumi: image: ghcr.io/estrellaxd/auto_bangumi:latest container_name: AutoBangumi volumes: - ./config:/app/config - ./data:/app/data ports: - 7892:7892 network_mode: bridge restart: unless-stopped dns: - 8.8.8.8 environment: - TZAsia/Tokyo - PGID$(id -g) - PUID$(id -u) - UMASK022启动命令docker compose up -d4. 安装 qBittorrent若尚未安装下载器官方文档提供了三个方向Docker 部署 qBittorrent、Windows/macOS 桌面版、Linux 下qbittorrent-nox。3.3 起 aria2 也成为正式后端支持添加、查询、重命名、管理与重复检测。5. 获取 Mikan 聚合 RSS 链接登录 Mikan Project 后点击右下角RSS按钮复制链接形如https://mikanani.me/RSS/MyBangumi?tokenxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx # 或 https://mikanime.tv/RSS/MyBangumi?tokenxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx主站被部分地区封锁时可使用替代域名mikanime.tv。更完整的订阅技巧见 docs/ja/config/rss.md建议在个人设置中开启详细订阅、每部动画只订阅一个字幕组、字幕组同时提供简繁字幕时只选一种无字幕类型选择时可在 AB 中配置filter过滤或下载后手动处理OVA 与剧场版订阅目前不支持解析。6. WebUI 首次配置安装后 WebUI 自动启动但主程序处于暂停状态访问http://abhost:7892配置打开网页默认用户名admin、默认密码adminadmin首次登录后务必立即修改输入下载器地址、端口、用户名与密码点击应用保存AB 重启后右上角圆点变绿即表示运行正常点击右上角勾选聚合 RSS、选择解析器类型粘贴 Mikan RSS URL等待解析完成后 AB 自动添加番剧并接管下载。默认端口 7892、RSS 刷新间隔 900 秒、重命名检查间隔 60 秒等默认值定义于 backend/src/module/conf/const.py 的DEFAULT_SETTINGS可通过 WebUI 或AB_*环境变量覆盖。版本特性与升级注意3.3 更新日志 概述了最近的现代化改动可作为选型参考后端完全异步化REST API 保持向后兼容WebUI 改用 SSE/api/v1/events/stream实时推送状态日志页可直接检查、应用与回滚更新并校验 sha256 与 ed25519 签名多供应商 LLM 解析器兼容 OpenAI 端点、Anthropic Claude、Google Gemini、Ollama、LM Studio 等aria2 成为正式后端支持按番剧指定字幕组 / 分辨率偏好安全增强PyJWT bcrypt、登录 IP 白名单、MCP 白名单、Bearer Token、公开健康检查。升级时注意数据库迁移在首次启动时自动执行若使用容器内更新请保持restart: unless-stopped重启策略既有 qBittorrent 配置可直接沿用。使用边界与免责声明官方文档明确指出AutoBangumi 通过非官方版权渠道获取动画因此禁止商业用途、禁止将包含 AutoBangumi 的视频内容发布到国内视频平台版权方也禁止用于违法违规活动——项目仅面向教育目的与个人使用见 docs/ja/home/index.md 与 docs/ja/index.md。部署前请确认符合当地法律与你所在站点的使用条款。结语AutoBangumi 将订阅 → 解析 → 下载 → 整理 → 刮削五步追番链路压缩为一次配置、长期自运转的服务RSS 引擎负责批量抓取与匹配标题解析器与 TMDB 数据对齐保证重命名准确性重命名器输出媒体库友好的目录结构。对于以 Mikan Project 为主力追番源、搭配 Plex / Jellyfin / Infuse 搭建个人媒体库的用户这是一条开箱即用、透明可维护的自动化路径。赞分享后端前端音视频【免费下载链接】Auto_BangumiAutoBangumi - 全自动追番工具项目地址https://gitcode.com/gh_mirrors/au/Auto_Bangumi点击查看免费下载相关推荐AutoBangumi 全自动追番流水线从 RSS 解析到媒体库就绪的工作原理AutoBangumi 全自动追番流水线从 RSS 解析到媒体库就绪的工作原理 AutoBangumi简称 AB本质上是一个高度自动化的 RSS 解析器与后端前端音视频AutoBangumi 全自动追番工具RSS 解析、下载与媒体库组织实战指南AutoBangumi 全自动追番工具RSS 解析、下载与媒体库组织实战指南 AutoBangumi简称 AB是一款基于 RSS 的全自动动漫下载与整理工后端前端音视频AutoBangumi 全自动追番工具RSS 订阅解析、下载管理与媒体库整理核心机制详解AutoBangumi 全自动追番工具RSS 订阅解析、下载管理与媒体库整理核心机制详解 AutoBangumi简称 AB是一个基于 RSS 的全自动番剧后端前端音视频上一篇解决Darktable地点导入崩溃从数据解析到内存管理的深度修复下一篇解决Redisson连接池初始化异常从根源排查到优化实践创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考