一个自动化的影片元数据刮削和整理工具，用于从多个在线数据源获取影片信息，生成NFO文件，下载封面图片，并按照自定义规则整理影片文件。
Movie Data Capture 是一个功能强大的影片元数据管理工具，支持从多个数据源自动抓取影片信息，包括标题、演员、导演、剧情简介、标签等，并自动下载封面、剧照等图片资源。该工具特别适合需要管理大量影片文件的用户，可以自动生成符合 Kodi、Jellyfin、Emby 等媒体服务器标准的 NFO 元数据文件。
- 支持的数据源：javbus, javdb, fanza, xcity, mgstage, fc2, airav, avsox, jav321, carib, caribpr 等 30+ 数据源
- 智能匹配：自动从多个数据源查询，选择最佳匹配结果
- 优先级配置：可自定义数据源查询优先级
- 自动提取番号：从文件名中智能识别影片番号
- 多种格式支持：支持有码、无码、FC2、Tokyo Hot 等多种番号格式
- 自定义正则：支持用户自定义番号提取规则
- 特殊处理：自动识别多碟影片（CD1、CD2）、硬字幕标记（-C、-CH）
- NFO 文件生成：生成符合 Kodi/Jellyfin/Emby 标准的 NFO 文件
- 完整信息：包含标题、演员、导演、发行日期、片长、剧情简介、标签、评分等
- 演员照片：支持下载演员头像到 .actors 目录
- 多语言支持：支持繁简转换和多语言翻译
- 封面图片：自动下载并裁剪封面（poster、fanart、thumb）
- 人脸识别：使用人脸识别技术智能裁剪封面
- 剧照下载：支持批量下载 extrafanart 剧照
- 水印添加：可选添加字幕、无码、4K 等标识水印
- 并行下载：支持多线程并行下载图片资源
- 自定义规则：支持自定义文件命名和目录结构规则
- 三种模式：
- 模式 1：刮削模式（移动文件）
- 模式 2：整理模式（仅整理）
- 模式 3：分析文件夹模式（不移动文件）
- 链接支持：支持软链接和硬链接方式
- 失败处理：自动记录失败文件列表，避免重复处理
- 翻译功能：支持 Google、Azure、DeepLX 翻译引擎
- 剧情简介增强：从多个中文数据源获取详细剧情简介
- 代理支持：支持 HTTP、SOCKS5 代理
- 批量处理：支持多线程批量处理大量文件
- 增量更新：支持跳过最近处理过的文件
- 调试模式：详细的日志输出，便于问题排查
开始
↓
读取配置文件 (config.ini)
↓
扫描源文件夹
↓
过滤文件列表
├─ 跳过失败列表中的文件
├─ 跳过最近更新的 NFO
├─ 过滤媒体文件类型
└─ 应用自定义正则过滤
↓
遍历每个影片文件
↓
┌─────────────────────────────────┐
│ 1. 番号识别 (mdc/utils/number_parser.py) │
│ - 从文件名提取番号 │
│ - 应用自定义正则规则 │
│ - 处理特殊格式 │
└─────────────────────────────────┘
↓
┌─────────────────────────────────┐
│ 2. 元数据获取 (mdc/core/scraper.py) │
│ - 按优先级查询数据源 │
│ - 获取影片详细信息 │
│ - 演员映射和信息映射 │
│ - 翻译处理 │
│ - 繁简转换 │
└─────────────────────────────────┘
↓
┌─────────────────────────────────┐
│ 3. 文件整理 (mdc/core/core.py) │
│ - 创建目标文件夹 │
│ - 生成 NFO 文件 │
│ - 下载封面图片 │
│ - 人脸识别裁剪 │
│ - 添加水印 │
│ - 下载剧照 │
│ - 下载演员照片 │
│ - 下载字幕 │
│ - 移动/链接影片文件 │
└─────────────────────────────────┘
↓
处理成功？
├─ 是 → 移动到成功文件夹
└─ 否 → 记录到失败列表
↓
继续下一个文件
↓
清理空文件夹
↓
生成日志报告
↓
结束
文件名: "SSIS-001-C.mp4"
↓
移除网站标识: "SSIS-001-C.mp4"
↓
移除质量标识: "SSIS-001-C.mp4"
↓
移除字幕标识: "SSIS-001"
↓
提取番号: "SSIS-001"
↓
判断有码/无码
↓
返回: "SSIS-001"支持的番号格式：
- 标准格式：
ABC-123,ABC123 - FC2 格式：
FC2-1234567,FC2-PPV-1234567 - Tokyo Hot：
n1234,k1234 - Carib：
123456-789 - 1Pondo/Muramura：
123456_789 - 欧美格式：
site.YY.MM.DD
番号: "SSIS-001"
↓
遍历数据源优先级列表
↓
┌─────────────────────┐
│ 数据源 1: javbus │
│ - 搜索番号 │
│ - 解析页面 │
│ - 提取信息 │
└─────────────────────┘
↓
找到数据？
├─ 是 → 继续处理
└─ 否 → 尝试下一个数据源
↓
获取基础信息：
- 标题
- 演员列表
- 导演
- 发行日期
- 片长
- 制作商
- 系列
- 标签
- 封面 URL
- 剧照 URL
↓
演员信息映射 (mdc/utils/actor_mapping.py)
- 处理特殊演员名
- 应用演员映射表
↓
信息文本映射 (mdc/utils/actor_mapping.py)
- 标签映射
- 标题映射
- 系列映射
↓
翻译处理 (mdc/utils/translation.py)
- 标题翻译
- 简介翻译
↓
繁简转换 (OpenCC)
- 繁体转简体
- 简体转繁体
↓
生成命名规则
- 应用 naming_rule
- 应用 location_rule
↓
返回完整 JSON 数据获取元数据 JSON
↓
创建目标文件夹
- 应用 location_rule
- 处理特殊字符
- 创建目录结构
↓
生成 NFO 文件
- 写入所有元数据
- 保留原有评分
- 模式 3 保留原有信息
↓
下载封面图片
↓
┌─────────────────────────────┐
│ 封面处理 (mdc/image/imgproc) │
│ - 人脸识别 (face_recognition)│
│ - 智能裁剪 │
│ - 生成 poster/fanart/thumb │
└─────────────────────────────┘
↓
添加水印 (可选)
- 字幕标识
- 无码标识
- 4K 标识
- ISO 标识
↓
下载剧照 (extrafanart)
- 并行下载
- 保存到 extrafanart 目录
↓
下载演员照片 (可选)
- 保存到 .actors 目录
↓
下载字幕 (可选)
↓
移动/链接影片文件
├─ 模式 1: 移动文件
├─ 模式 2: 整理文件
└─ 模式 3: 不移动文件
↓
完成mdc/
├── core/ # 核心处理模块
│ ├── core.py # 核心处理协调
│ ├── scraper.py # 元数据刮削
│ └── metadata.py # 元数据管理
├── data/ # 数据相关模块
│ ├── mapping/ # 映射表
│ └── images/ # 图片资源
├── download/ # 下载相关模块
│ ├── downloader.py # 资源下载
│ └── subtitles/ # 字幕下载
├── file/ # 文件系统模块
│ ├── file_utils.py # 文件操作
│ └── movie_list.py # 电影列表处理
├── image/ # 图片处理模块
│ ├── imgproc/ # 图像处理实现
│ └── Img/ # 水印图片资源
├── scraping/ # 数据源模块
│ ├── api.py # 数据源API接口
│ ├── parser.py # 基础刮削类
│ └── 各数据源实现文件 # 如javbus.py, javdb.py等
├── config/ # 配置模块
│ └── config.py # 配置管理
├── cli/ # 命令行模块
│ └── cli.py # 命令行参数处理
├── utils/ # 工具模块
│ ├── http/ # HTTP请求相关功能
│ ├── cookie/ # Cookie管理
│ ├── string/ # 字符串处理
│ ├── html/ # HTML解析
│ ├── actor_mapping.py # 演员和信息映射
│ ├── number_parser.py # 番号识别
│ └── translation.py # 翻译功能
主程序入口，负责：
- 程序启动和初始化
- 配置文件加载
- 批量处理调度
- 更新检查
- 信号处理
- core.py: 协调整个处理流程，调用各功能模块，处理多碟影片和失败文件
- scraper.py: 调用各数据源 API，进行数据解析和标准化，处理演员和信息映射，实现翻译和繁简转换
- metadata.py: 生成 NFO 文件，写入元数据，提取和整理信息
- config.py: 读取 config.ini 配置文件，提供配置项访问接口，支持命令行参数覆盖配置
- cli.py: 解析命令行参数，处理配置覆盖，生成帮助信息
- file_utils.py: 处理路径特殊字符，创建和管理文件夹，移动和复制文件，处理失败文件
- movie_list.py: 扫描源文件夹，过滤媒体文件，应用正则表达式过滤，跳过失败列表和最近更新的 NFO 文件
- downloader.py: 统一的资源下载模块，包含文件下载、并行下载、图片下载、剧照下载、演员照片下载等功能，支持代理处理
- subtitles/: 下载字幕文件
- imgproc/: 实现人脸识别、封面裁剪、水印添加等功能
- Img/: 存储水印图片资源
- api.py: 提供数据源搜索和获取接口
- parser.py: 定义基础刮削类和通用方法
- 各数据源文件: 实现 javbus, javdb, fanza 等 30+ 数据源的具体调用和解析
- http/: HTTP请求封装、代理支持、会话管理
- cookie/: Cookie管理功能
- string/: 字符串处理工具
- html/: HTML解析功能
- actor_mapping.py: 处理演员和信息映射，支持自定义映射规则
- number_parser.py: 从文件名中提取番号，支持多种番号格式和自定义正则规则
- translation.py: 实现多语言翻译功能，支持多种翻译引擎
[common]
main_mode = 3 # 工作模式：1=刮削 2=整理 3=分析文件夹
source_folder = ./ # 源文件夹路径
success_output_folder = JAV_output # 成功输出文件夹
failed_output_folder = failed # 失败输出文件夹
link_mode = 0 # 链接模式：0=移动 1=软链接 2=硬链接
nfo_skip_days = 30 # 跳过最近N天更新的NFO
download_only_missing_images = 1 # 仅下载缺失的图片
[proxy]
switch = 1 # 代理开关
type = http # 代理类型：http/socks5
proxy = 127.0.0.1:7899 # 代理地址
timeout = 20 # 超时时间
retry = 3 # 重试次数
[Name_Rule]
location_rule = actor+"/"+number # 文件夹命名规则
naming_rule = number+"-"+title # 文件命名规则
max_title_len = 50 # 标题最大长度
[priority]
website = javbus,javdb,fanza # 数据源优先级
[translate]
switch = 1 # 翻译开关
engine = google-free # 翻译引擎
target_language = zh_cn # 目标语言
values = title,outline # 翻译字段
[face]
locations_model = hog # 人脸识别模型：hog/cnn
uncensored_only = 1 # 仅对无码封面识别
aspect_ratio = 2.12 # 裁剪宽高比
[extrafanart]
switch = 1 # 剧照下载开关
parallel_download = 5 # 并行下载线程数# 处理单个文件
python Movie_Data_Capture.py /path/to/movie.mp4
# 处理指定文件夹
python Movie_Data_Capture.py -p /path/to/folder
# 指定工作模式
python Movie_Data_Capture.py -m 3 -p /path/to/folder
# 自定义番号
python Movie_Data_Capture.py /path/to/movie.mp4 -n ABC-123# 搜索番号信息（不处理文件）
python Movie_Data_Capture.py -s ABC-123
# 指定数据源
python Movie_Data_Capture.py -w javdb -p /path/to/folder
# 覆盖配置项
python Movie_Data_Capture.py -C "debug_mode:switch=1;face:aspect_ratio=2"
# 仅显示处理列表（不实际操作）
python Movie_Data_Capture.py -z -p /path/to/folder
# 强制下载所有图片
python Movie_Data_Capture.py -D -p /path/to/folder
# 无网络操作模式（仅裁剪封面）
python Movie_Data_Capture.py -N -m 3 -p /path/to/folder-p, --path: 分析文件夹路径-m, --main-mode: 主模式 (1/2/3)-n, --number: 自定义番号-L, --link-mode: 链接模式 (0/1/2)-w, --website: 指定数据源-s, --search: 搜索番号-C, --config-override: 覆盖配置-D, --download-images: 强制下载图片-N, --no-network-operation: 无网络操作-z, --zero-operation: 仅显示列表-g, --debug: 调试模式-a, --auto-exit: 自动退出
requests # HTTP 请求
dlib-bin # 人脸识别
numpy # 数值计算
lxml # XML 解析
beautifulsoup4 # HTML 解析
pillow # 图片处理
cloudscraper # 反爬虫
pysocks # SOCKS 代理
opencc-python-reimplemented # 繁简转换
face-recognition-models # 人脸识别模型
JAV_output/
├── 演员名/
│ ├── ABC-123/
│ │ ├── ABC-123.mp4 # 影片文件
│ │ ├── ABC-123.nfo # 元数据文件
│ │ ├── ABC-123-poster.jpg # 海报
│ │ ├── ABC-123-fanart.jpg # 背景图
│ │ ├── ABC-123-thumb.jpg # 缩略图
│ │ ├── extrafanart/ # 剧照目录
│ │ │ ├── extrafanart-1.jpg
│ │ │ ├── extrafanart-2.jpg
│ │ │ └── ...
│ │ └── .actors/ # 演员照片目录
│ │ ├── 演员1.jpg
│ │ └── 演员2.jpg
│ └── ...
└── ...
- 代理配置：访问某些数据源可能需要配置代理
- 人脸识别：CNN 模型需要 GPU 支持，HOG 模型速度更快但精度较低
- 并行下载：过大的并行数可能导致 IP 被封禁
- 模式选择：
- 模式 1：适合首次整理，会移动文件
- 模式 2：适合重新整理已有文件
- 模式 3：适合更新元数据，不移动文件
- 失败处理：失败的文件会记录在
failed/failed_list.txt - 日志文件：默认保存在
~/.mlogs/目录
本项目遵循开源许可证，详见 LICENSE 文件。
本工具仅供学习和研究使用，请勿用于非法用途。使用本工具产生的任何后果由使用者自行承担。
版本: 6.6.7
最后更新: 2024