Skip to content

armgit / peach

Public Imported from GitHub
0

Peach: Local-first video metadata scraper and media manager.

fix(library): 从带片名的文件名识别番号

longmeidao508b55825684
diff --git a/src/peach/catalog_rules.py b/src/peach/catalog_rules.py
index 8bf9ffb8a..af94dae93 100644
--- a/src/peach/catalog_rules.py
+++ b/src/peach/catalog_rules.py
@@ -391,6 +391,19 @@ _KOREAN_MIB_CODE = re.compile(r"^([A-Z]{2,4})-\d+$")
#: `_CODE_BODY` 认不出。只对 MIB 前缀开这条路,前缀之外的仍走通用规则。
_KOREAN_MIB_FILENAME = re.compile(
r"^(?:\[K-?MIB\]\s*)?([A-Za-z]{2,4})[-_](\d{3,4})(?=$|[\s(\[._-])", re.I)
+#: 带片名的文件名里,番号是一段连续的半角字母数字,中间只夹 `-`、`_`、`.`。
+#: 中日文、空白、括号和 `+` 都是边界:`CAWD-987いいなり`、`GVH-520【中文字幕】`
+#: 切出来就是番号本身。
+_TITLE_TOKEN = re.compile(r"[A-Za-z0-9](?:[A-Za-z0-9._-]*[A-Za-z0-9])?")
+_QUALITY_TOKEN = re.compile(r"^(?:hd|fhd|sd|uhd|4k|2160p?|1080p?|720p?)$", re.I)
+#: 片名前的番号必须用 `-` 把厂牌和序号隔开。连写(`Nanshu969`、`LOOKS199`)和下划线
+#: (`photo_83439`、`@yszl_0107`)在片名里多半是创作者账号或相机编号,不是番号。
+#: 序号至少三位:两位的(`ShinoAoi-15`、`miru-10`)是创作者的分集号;后面紧跟月日的
+#: (`TG-2025-01-27`)是日期。只取词元开头这一段,紧跟的版次和分卷(`-C`、`-CD1`、
+#: `_part1`)不影响番号。
+_HYPHENATED_CODE = re.compile(r"^(?:\d{3})?[A-Za-z]{2,8}-\d{3,5}(?![0-9]|-\d{2}-\d)")
+#: 名字中段的 FC2 商品号:`FC2` 前面不能紧贴字母数字,商品号后面不能再接数字。
+_FC2_IN_TITLE = re.compile(r"(?i)(?<![A-Z0-9])FC2[-_ ]*(?:PPV[-_ ]*)?(\d{5,8})(?!\d)")
DUPLICATE_TOLERANCE = 0.005
DUPLICATE_FLOOR_SECONDS = 15.0
@@ -813,6 +826,24 @@ def release_code_from_filename(name: str | None) -> str | None:
mib = _KOREAN_MIB_FILENAME.match(stem)
if mib and mib.group(1).upper() in KOREAN_MIB_PREFIXES:
return normalise_code_key(f"{mib.group(1)}-{mib.group(2)}")
+ return _titled_release_code(stem)
+
+
+def _titled_release_code(stem: str) -> str | None:
+ """「番号 + 片名」:番号是名字里第一段半角字母数字,后面跟片名、女优或说明。
+
+ `FC2` 商品号自带站名,写在名字哪里都认。其余番号只看第一段:再往后就是片名,
+ 片名里的 `Rena n1042 clip`、`Part 18` 不是番号。中日文(`【中文字幕】`、女优名)
+ 不成段,画质词跳过去接着看。
+ """
+ fc2 = _FC2_IN_TITLE.search(stem)
+ if fc2:
+ return normalise_code_key(f"FC2-PPV-{fc2.group(1)}")
+ for token in _TITLE_TOKEN.findall(strip_promo_markers(stem)):
+ if _QUALITY_TOKEN.match(token):
+ continue
+ head = _HYPHENATED_CODE.match(token)
+ return release_code_from_text(head.group(0)) if head else None
return None
diff --git a/tests/test_jav_code_domain.py b/tests/test_jav_code_domain.py
index c2eeb85e5..ecafa6f81 100644
--- a/tests/test_jav_code_domain.py
+++ b/tests/test_jav_code_domain.py
@@ -332,6 +332,48 @@ class DeliveryFilenameTests(unittest.TestCase):
self.assertIsNone(release_code_from_filename("heyzo.mp4"))
+class TitledFilenameTests(unittest.TestCase):
+ """片库自有的命名:番号后面跟片名、女优、字幕说明,前面可能有装饰符号。
+
+ 2026-10-22 用本机账本 78520 段文件名对比:新认出且与已有 code 一致 463 段、冲突 0 段;
+ code 为空的新认出 233 段,按前缀逐类核过未见误识别。两位序号与连写形态放进来时,
+ `ShinoAoi-15`、`Nanshu969` 这类创作者名占了新增的三成。
+ """
+
+ def test_a_title_after_the_code_does_not_hide_it(self):
+ for name, code in (("CAWD-987 片名と女優名.mp4", "CAWD-987"),
+ ("GVH-520【中文字幕】片名.mp4", "GVH-520"),
+ ("SSIS-001-C 片名.mp4", "SSIS-001"),
+ ("ABW-358-CD1 片名.mp4", "ABW-358"),
+ ("[FHD] MIDV-999 片名.mp4", "MIDV-999"),
+ ("女優名 @DASD-409.mp4", "DASD-409"),
+ ("300MIUM-1239 片名.mp4", "300MIUM-1239")):
+ self.assertEqual(release_code_from_filename(name), code, name)
+
+ def test_an_fc2_number_is_read_anywhere_in_the_name(self):
+ for name in ("+++ FC2-PPV-1234567 片名 前編.mp4",
+ "+++ FC2-PPV-1234567_part1.mp4",
+ "【個人撮影】FC2PPV 1234567 片名.mp4",
+ "片名 fc2-ppv-1234567.mp4"):
+ self.assertEqual(release_code_from_filename(name), "FC2-PPV-1234567", name)
+
+ def test_only_the_first_ascii_run_may_be_the_code(self):
+ # 第一段之后就是片名:片名里的字母数字不是番号。
+ self.assertIsNone(release_code_from_filename("Rena n1042 clip.mp4"))
+ self.assertIsNone(release_code_from_filename("Morning ABP-123 talk.mp4"))
+
+ def test_a_glued_or_underscored_handle_in_a_title_is_not_a_code(self):
+ for name in ("南叔(Nanshu969)片名.zip", "推特网黄「LOOKS199」片名.mp4",
+ "photo_83439@14-09-2021_07-01-18.jpg", "片名@yszl_0107.mp4",
+ "片名....vip1129.mp4"):
+ self.assertIsNone(release_code_from_filename(name), name)
+
+ def test_a_short_episode_or_a_date_after_a_name_is_not_a_code(self):
+ for name in ("ShinoAoi-15-1080p.mp4", "miru-10--Vccd67yz.mp4",
+ "美女【Daidai-77】片名.mp4", "TG-2025-01-27-232751475.mp4"):
+ self.assertIsNone(release_code_from_filename(name), name)
+
+
class WesternDateShapeTests(unittest.TestCase):
"""西片是「厂牌/系列 + 发行日」,没有番号。
diff --git a/tests/test_metadata_kmib.py b/tests/test_metadata_kmib.py
index b9f98e414..0d26a8e39 100644
--- a/tests/test_metadata_kmib.py
+++ b/tests/test_metadata_kmib.py
@@ -103,7 +103,9 @@ class KmibCatalogRuleTests(unittest.TestCase):
self.assertEqual(release_code_from_filename(name), code, name)
def test_the_mib_filename_rule_stays_inside_mib_prefixes(self):
- self.assertIsNone(release_code_from_filename("ABC-123 some title.mp4"))
+ # 下划线写法只对 MIB 前缀开放;「厂牌-序号 + 片名」的通用形态归片名规则。
+ self.assertEqual(release_code_from_filename("YUJ_103 some title.mp4"), "YUJ-103")
+ self.assertIsNone(release_code_from_filename("ABC_123 some title.mp4"))
self.assertIsNone(release_code_from_filename("MIB.mp4"))
def test_official_catalogue_prefixes_are_korean_mib(self):