新闻详情

新闻详情

首页 / 资讯中心 / 详情

Jackett统一搜索完整指南:把上百个种子站点接入一个入口

发布时间:2026/11/10 20:13:43来源:尧图网络
Jackett统一搜索完整指南:把上百个种子站点接入一个入口
Jackett统一搜索完整指南:把上百个种子站点接入一个入口想找一部资源,往往要在几十个种子站里逐个翻:每个站登录页不同、页面结构不同、结果格式也不同。Jackett 把这种重复劳动收进一个本地服务——它站在你的搜索程序和各个种子站之间,把你的查询翻译成各站要求的请求,再把返回的 HTML 或 JSON 解析成统一结果。装好之后,一个关键词就能同时问遍所有站点。 它到底帮你做什么可以把 Jackett 理解成一位会说各站点方言的总翻译:你不用记哪个站长什么样,把问题抛给它就行。它的核心能力:内置 500 多个种子站定义,覆盖公共、半私人、私人站(定义文件见 src/Jackett.Common/Definitions/)支持 Torznab 协议(Torznab 是一套种子站查询通用接口)和 TorrentPotato 格式的统一查询提供 RSS 订阅,持续接收各站最新上传默认把搜索结果缓存在本地,避免对同一站点重复发请求 十分钟上手下面是三个平台的 Jackett 安装最短路径,每个都不超过几步:Windows:下载Jackett.Installer.Windows.exe,运行时勾选安装为 Windows 服务,即可开机自启。Linux(AMD x64):把 LinuxAMDx64 包解压到 /opt,进入解压目录运行install_service_systemd.sh,再用systemctl status jackett.service确认状态。macOS:下载与你芯片对应的版本(Intel 或 Apple silicon),解压后双击install_service_macos完成安装。服务启动后,浏览器打开http://127.0.0.1:9117就是管理页(默认端口 9117)。点击Add indexer,从列表里挑站点,按提示填入 API 密钥或登录凭证,最后用Test按钮验证连接。加好几个站之后,页面大概长这样: 两种真实用法Jackett手动搜索:一个窗口看全结果在管理页点Manual Search,输入关键词(比如Big Buck Bunny 720p),按站点、分类筛选。结果列表直接给出发布时间、站点、大小、分类和做种数,还可以勾选 Show dead torrents 把死种也列出来——临时找某个资源时,这是最直接的查法。自动化集成:让 Sonarr 和 Radarr 替你找这是 Jackett 最值钱的用法。最常见的 Jackett 对接 Sonarr 流程:在管理页对某个索引器点Copy Torznab Feed复制统一订阅链接,再到 Sonarr(管剧集)、Radarr(管电影)或 Lidarr(管音乐)里添加索引器、粘贴链接。之后这些应用找新资源时只会向 Jackett 的 9117 端口发起查询,结果已经是统一格式,你完全不用碰站点原始页面。✅ 更稳更快的清单长期跑之前,照着打勾:在 Settings 里设置管理员密码缓存保持开启(Jackett 缓存配置默认为开):TTL 2100 秒即 35 分钟,每个索引器最多缓存 1000 条,默认值合理,可不动站点打不开或需要特殊网络:在 Settings 配置代理类型、地址和端口,也可配合 FlareSolverr(默认 API 地址http://127.0.0.1:8191)端口 9117 被占用时,改服务器端口,并同步更新 *arr 应用里的地址要把 Jackett 暴露到局域网:用反向代理加一层 HTTPS 和访问限制定期备份配置文件和各站点凭证用界面的 View logs 按钮或~/.config/Jackett/log.txt查看异常常见问题为什么有的站点连不上?通常是网络问题,先确认能打开站点,再到 Jackett 的 Settings 里配代理。为什么搜索慢?缓存过期(默认 35 分钟)后会重新向站点发查询;如果明显卡顿,减少同时搜索的站点数量。粘到 Sonarr 的链接失效了怎么办?在 Jackett 里重新生成 Torznab 链接再粘贴;站点 API 密钥变了就重新获取并更新配置。日志在哪看?Web 界面的 View logs 按钮,或文件~/.config/Jackett/log.txt。Jackett 跑起来之后,手动找单个资源和 *arr 应用持续找新片,都收敛到同一个关键词入口上。需要源码自行构建的话,执行git clone https://gitcode.com/GitHub_Trending/ja/Jackett,更多功能说明见项目 README.md。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 2026/11/11 9:31:44

【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 ... 2026/11/11 5:36:08

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 2026/11/11 15:37:39

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
📞 ✉