部分站点爬取优化建议

[wavetg]

在提问之前...

• 我已经搜索了现有的 issues
• 我在提问题之前至少花费了 5 分钟来思考和准备
• 我正在使用最新版本

描述你的问题

1. madouqu 最新的修改中增加了一个bug，导致部分影片没有演员时，正则会溢出至第三个换行符（例如 MFK-0042 ），如果不影响其他逻辑，建议保留原始正则
2. 国产大部分作品人名收录不全，可以考虑全局匹配仍然没有演员字段时，增加未知演员（目前设置中已有此设置项）使用当前文件夹名（同时保留可以自定义赋值的输入框，只需要增加一个 radio button 优先检查即可），以便于手动整理人名文件夹快速刮削
3. guochan.py 文件中有使用关键字匹配文件名的获得演员名的方法，但人名列表太少且只适配了 mdtv ，可以考虑爬取 madouqu 单独已整理好的演员分区 tags 增加命中率）
4. c*mdb 中，单文件刮削，从浏览器地址栏复制的链接中如带有中文字符（很多，只要没有号码的影片都是例子），粘贴到单文件刮削的输入框时，为 urlencode 的形式，导致刮削出形似乱码的的文件，解决方式我想可以在 ui 端捕捉粘贴信号自动将 encode 的 url decode 直接展示在输入框，或者在后端进行 decode

如何复现

1. 前往 '...'
2. 点击 '....'
3. 滑动到 '....'
4. 出现问题

预期行为

No response

相关 Logs

No response

截图

No response

还有别的吗？

本人 py 是业余水平，有不对的地方或者要求太多多包涵。

[sqzw-x]

1&4 已修复
2&3 不考虑，实现太复杂。此外，国产影片网站数据都比较混乱，实际上自动化刮削的条件并不成熟，这种字符串匹配的方式本身就已经丑陋至极，在这些网站的继续投入可能是个无底洞。

[wavetg]

1&4 已修复
2&3 不考虑，实现太复杂。此外，国产影片网站数据都比较混乱，实际上自动化刮削的条件并不成熟，这种字符串匹配的方式本身就已经丑陋至极，在这些网站的继续投入可能是个无底洞。

的确如此，表示理解