新闻详情

新闻详情

首页 / 资讯中心 / 详情

Jackett 教程:一个入口聚合 550 多个站,搜索结果统一成 Torznab 格式

发布时间:2026/11/12 23:17:54来源:尧图网络
Jackett 教程:一个入口聚合 550 多个站,搜索结果统一成 Torznab 格式
Jackett 教程一个入口聚合 550 多个站搜索结果统一成 Torznab 格式Jackett 是一个跑在本机的种子搜索聚合工具它把 Sonarr、Radarr 等软件的查询转发给 550 多个种子站再把各站结果解析成同一份 Torznab 格式返回。你只管加站搜索、合并、缓存它全包。本质一个本地搜索中转代理Jackett 是架在你软件和种子站之间的本地代理。媒体软件发出一次 Torznab 查询它拆成各站点的私有请求分别发出把返回的条目统一成同一套字段再合流送回。全程数据不出内网550 多份站点规则已经内置全部放在 定义文件目录每个站一个 yml。从零到跑通的 5 个步骤拿包去 Releases 下载对应平台的压缩包解压到一个固定目录。启动直接运行目录里的 jackett 主程序没有向导也不用装依赖。进界面浏览器打开http://127.0.0.1:9117首次进入会要求设管理员密码设好即登录成功。加站点 Add Indexer挑一个免登录的公开站1337x、0Magnet 都行点行末的 Test。看到绿色对勾这条链路就算打通了。验搜索进 Manual Search 输一个关键词结果表里出现多条来自不同站的记录说明聚合搜索已经在工作。三项核心能力聚合搜索一个关键词查完所有已配站点——各站同时查询返回的条目统一成同名、大小、种子数等字段合并成一张表可直接按种子数、体积、分类排序。Torznab 接口媒体软件只需填一个地址——在索引器列表点 Copy Torznab Feed 拿到带鉴权参数的 Feed URL粘进 Sonarr / Radarr 的索引器配置之后新片、新集由它们自动拉取不用你手动翻站。请求缓存重复查询直接回上次结果——相同查询在缓存有效期内命中就返回不重复打站点省时间也降低被风控的概率。默认开启一般不用动。进阶场景Sonarr 自动追新你在追更新的剧手动找资源太累。在索引器列表点 Copy Torznab Feed地址粘进 Sonarr 的 Add Indexer选 Torznab 类型保存后随便挑一集测试搜索。从此新集一出Sonarr 就经 Jackett 自动搜到并下完。被验证页拦住的站某个私密站 Test 总返回 Cloudflare 验证页。先在浏览器登录该站并通过人机验证F12 打开开发者工具在 Network 面板选中任一请求把 Cookie 整串复制。粘回 Jackett 该索引器的 Cookie 输入框再点 Test通常就变绿。站点在你这里连不上部分站直连超时。打开 Server Configuration 页在 Proxy URL 和 Port 字段填好代理地址和端口。之后 Jackett 的出站请求走代理原先连不上的站点就能正常 Test 和搜索。常见问题索引器 Test 一直失败多半是 Cookie 没复制完整或者登录态已经过期。重新登录站点从开发者工具里把整串 Cookie 重新复制注意要完整别漏字段再点 Test。搜出来的全是 Cloudflare 验证页站点开了 JS 质询拦截裸请求拿不到正文。先按上面的方法填 Cookie仍不行就部署 FlareSolverr 这类自动过验证的服务把它的 API 地址填进 Jackett 配置页对应字段验证环节交给它代劳。部分站点 Test 超时该站在你的网络环境下直连不通。在 Server Configuration 的 Proxy URL / Port 填上代理让 Jackett 的出站流量走代理通道再测一次。日常排障先看 View logs日志里能定位到具体是哪个站、哪一步出错。Jackett 的价值就是把几十个站的搜索收敛成一个标准接口。下一步先加一个免登录的公开站跑通 Test再把 Torznab Feed 地址粘进 Sonarr 或 Radarr追新闭环就成了。创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉