结构调整

2026-07-14 16:36:24 +08:00
parent 585e9d8e15
commit 57f354cf9f
254 changed files with 84114 additions and 44 deletions
@@ -0,0 +1,448 @@
+---
+name: "calibre-cleaner"
+description: "清洗 Calibre 书库：修复损坏书名/提取作者/检测编码损坏、小文件的批量删除"
+---
+
+# Calibre 书库清洗 Skill
+
+## 概述
+
+Calibre 书库整理三件套：
+
+1. **书名清洗** —— 修复从 txt 导入产生的 HTML 标签/长文本/乱码书名，截取前 20 个中文字符，移除网站链接
+2. **作者提取** —— 从书名或原始文件名 `data.name` 中自动提取作者名（匹配 `作者：xxx`、`-xxx`、`BY xxx` 等格式）
+3. **脏数据清理** —— 检测并删除内容损坏的 txt（中文 < 10%）、小于 10KB 的垃圾文件、Python 列表格式垃圾标题
+
+## 前置条件
+
+- 书库路径：`/home/yangxuan/calibre/books`
+- 元数据文件：`/home/yangxuan/calibre/books/metadata.db`
+- 运行前须停止其他 Calibre 进程（桌面版、Docker Calibre-Web）
+- 运行前 **必须备份** `metadata.db`
+
+---
+
+## 一、书名清洗 & 作者提取
+
+### `shorten(s, max_bytes=120)`
+
+将字符串截断到指定字节数，避免因 UTF-8 中文字符跨字节而损坏。
+
+```python
+def shorten(s, max_bytes=120):
+    encoded = s.encode('utf-8')
+    if len(encoded) <= max_bytes:
+        return s
+    try:
+        return encoded[:max_bytes].decode('utf-8')
+    except:
+        return encoded[:max_bytes-3].decode('utf-8', errors='ignore')
+```
+
+### `clean_title(title)`
+
+```python
+def clean_title(title):
+    t = title
+    # 移除 HTML 标签
+    t = re.sub(r'<[^>]+>', '', t)
+    # 替换 _BR_ / _BR 标记
+    t = re.sub(r'_BR_', ' ', t, flags=re.IGNORECASE)
+    t = re.sub(r'_BR(?![a-zA-Z])', ' ', t)
+    # 移除 _fontxxx_ / _imgxxx_ 标记
+    t = re.sub(r'_font[^_]*_', '', t)
+    t = re.sub(r'_img[^_]*_', '', t)
+    # 移除网站链接
+    t = re.sub(r'[\(（]www\.[^)）]+[\)）]', '', t)
+    t = re.sub(r'^[a-zA-Z0-9.-]+\.com@', '', t)
+    t = re.sub(r'[-–—][a-zA-Z0-9.-]+\.com$', '', t)
+    t = re.sub(r'【[^】]*?(?:下载|网站|书城|声明|提供)[^】]*】', '', t)
+    t = re.sub(r'[：:].*?(?:本文由|本电子书).*$', '', t)
+    t = re.sub(r'[/／]\s*www\.[^\s]+.*$', '', t)
+    t = re.sub(r'[，,。]?https?://[^\s\)）\]]+', '', t)
+    # 移除声明文字当书名
+    t = re.sub(r'^内容简介[】】]?', '', t)
+    # 移除作者/翻译标记（批量清洗时用）
+    t = re.sub(r'[　\s]*?(?:作者|翻译|原?作者)[：:].*$', '', t, flags=re.DOTALL)
+    # 移除 Unknown/未知 尾巴
+    t = re.sub(r'\s*-\s*(Unknown|未知)\s*$', '', t)
+    # 合并多余空格
+    t = re.sub(r'\s+', ' ', t).strip()
+    # 截取前 20 个中文字符（保留非中文直到第 20 个中文出现）
+    chinese_count = 0
+    pos = 0
+    for i, c in enumerate(t):
+        if '\u4e00' <= c <= '\u9fff':
+            chinese_count += 1
+            if chinese_count == 20:
+                pos = i + 1
+                break
+    if chinese_count > 20:
+        t = t[:pos]
+    # 超长截短
+    if len(t) > 100:
+        m = re.search(r'[\u4e00-\u9fff]{2,}', t)
+        if m:
+            t = t[m.start():]
+        t = t[:60].rstrip('，。；：、！？…\ufffd\'"').rstrip('.,;:!?\'').strip()
+    # 移除控制字符
+    t = re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f]', '', t)
+    return shorten(t, 100).strip() or 'Unknown'
+```
+
+### 作者提取规则（从文件中同时匹配 title 和 data.name）
+
+优先从 `data.name`（原始文件名）提取，更准确：
+
+```python
+EXCLUDE_AUTHORS = {'正文', '内容简介', ''}
+
+def extract_author_from_name(file_name):
+    """从 data.name（原始文件名）提取作者"""
+    name = file_name
+    # 去掉尾巴
+    name = re.sub(r'\s*-\s*(Unknown|未知)\s*$', '', name)
+    # 匹配作者：xxx
+    m = re.search(r'作者[：:]\s*([^\s_）\)《\[【\]】\-,]+)', name)
+    if m:
+        candidate = m.group(1).strip()
+        if candidate not in EXCLUDE_AUTHORS and len(candidate) < 30:
+            return candidate
+    # 匹配翻译：xxx
+    m = re.search(r'翻译[：:]\s*([^\s_）\)《\[【\]】\-,]+)', name)
+    if m:
+        candidate = m.group(1).strip()
+        if len(candidate) < 20:
+            return candidate
+    # 匹配原作者：xxx
+    m = re.search(r'原?作者[：:]\s*([^\s_）\)《\[【\]】\-,]+)', name)
+    if m:
+        candidate = m.group(1).strip()
+        if len(candidate) < 30:
+            return candidate
+    return None
+
+def extract_author_from_title(title):
+    """从 title 提取作者（降级方案，仅在 data.name 无用时）"""
+    m = re.search(r'作者[：:]\s*([^\s,，、\)）《\[]+)', title)
+    if m:
+        name = m.group(1).strip()
+        if name not in EXCLUDE_AUTHORS and not re.match(r'^第\d+[章节]', name):
+            return name
+    m = re.search(r'翻译[：:]\s*([^\s,，、\)）《\[]+)', title)
+    if m:
+        return m.group(1).strip()
+    m = re.search(r'\b[Bb][Yy]\s+([^\s,，、\)）《\[]+)', title)
+    if m:
+        name = m.group(1).strip()
+        if name not in EXCLUDE_AUTHORS:
+            return name
+    m = re.search(r'-([^-()【】\[\]{}《》\s]{2,30})$', title)
+    if m:
+        name = m.group(1).strip()
+        if name not in EXCLUDE_AUTHORS and not re.match(r'^\d+', name):
+            return name
+    m = re.search(r'&([^&()【】\[\]\s]{2,30})$', title)
+    if m:
+        name = m.group(1).strip()
+        if name not in EXCLUDE_AUTHORS:
+            return name
+    return None
+```
+
+### 坏书检测条件
+
+```python
+is_bad = (
+    len(title) > 100 or
+    '<img' in title or '<BR' in title or '<font' in title or
+    '\ufffd' in title or
+    len(title.encode('utf-8')) > 150
+)
+```
+
+---
+
+## 二、脏数据清理
+
+### 2.1 检测条件
+
+扫描书库中所有 TXT 文件，读取前 20KB 检测中文比例：
+
+- **内容损坏/二进制垃圾**：中文比例 < 10%（标记为待删除）
+- **小文件垃圾**：`uncompressed_size < 10240`（10KB 以下）
+- **垃圾格式标题**：Python 列表格式（含 `'xxx', 'R-18'` 单引号列表）、转义字符（`\n`、`\u3000`、`id=`）、HTML 实体（`raquo;`、`laquo;`）
+
+```python
+def is_garbage_format_title(title):
+    """检测标题是否为垃圾格式"""
+    import re
+    if re.search(r"'.*',\s*'R-18'", title):
+        return True
+    if re.search(r'[\\]u[0-9a-fA-F]{4}', title):
+        return True
+    if re.search(r'id=|pid=', title):
+        return True
+    if 'raquo;' in title or 'laquo;' in title:
+        return True
+    if '【内容简介】' in title or '内容简介】' in title:
+        return True
+    return False
+
+def is_dirty_content(full_path):
+    """检测文件内容是否为垃圾"""
+    if not os.path.exists(full_path):
+        return True  # 文件丢失也算脏
+    with open(full_path, 'rb') as f:
+        raw = f.read(20480)
+    text = raw.decode('utf-8', errors='replace')
+    chinese = sum(1 for c in text if '\u4e00' <= c <= '\u9fff')
+    ratio = chinese / len(text) if len(text) > 0 else 0
+    return ratio < 0.10
+```
+
+### 2.2 批量删除（通过 SQLite 直写）
+
+停掉 calibre 进程后，通过 SQLite 删除记录并清理文件系统：
+
+```sql
+DELETE FROM data WHERE book = ?
+DELETE FROM books_authors_link WHERE book = ?
+DELETE FROM books_languages_link WHERE book = ?
+DELETE FROM books_publishers_link WHERE book = ?
+DELETE FROM books_series_link WHERE book = ?
+DELETE FROM books_tags_link WHERE book = ?
+DELETE FROM comments WHERE book = ?
+DELETE FROM identifiers WHERE book = ?
+DELETE FROM books WHERE id = ?
+```
+
+同时删除对应目录：`shutil.rmtree(os.path.join('/home/yangxuan/calibre/books', bpath))`
+
+### 2.3 完整删除脚本
+
+```python
+import sqlite3, os, shutil
+
+db_path = '/home/yangxuan/calibre/books/metadata.db'
+conn = sqlite3.connect(db_path)
+c = conn.cursor()
+
+c.execute('''
+    SELECT b.id, b.title, b.path, d.name, d.uncompressed_size
+    FROM books b 
+    JOIN data d ON d.book = b.id 
+    WHERE d.format = 'TXT'
+''')
+rows = c.fetchall()
+
+to_delete = []
+
+for bid, title, bpath, fname, size in rows:
+    full_path = os.path.join('/home/yangxuan/calibre/books', bpath, fname + '.txt')
+    
+    # 条件0：垃圾格式标题（Python列表、转义字符等）
+    if is_garbage_format_title(title):
+        to_delete.append((bid, bpath))
+        continue
+    
+    # 条件1：小文件垃圾
+    if size < 10240:
+        to_delete.append((bid, bpath))
+        continue
+    
+    if not os.path.exists(full_path):
+        continue
+    
+    # 条件2：内容损坏（中文 < 10%）
+    if is_dirty_content(full_path):
+        to_delete.append((bid, bpath))
+
+print(f"待删除: {len(to_delete)}", flush=True)
+for bid, bpath in to_delete:
+    for table in ['data', 'books_authors_link', 'books_languages_link',
+                  'books_publishers_link', 'books_series_link', 'books_tags_link',
+                  'comments', 'identifiers']:
+        c.execute(f'DELETE FROM {table} WHERE book=?', (bid,))
+    c.execute('DELETE FROM books WHERE id=?', (bid,))
+    full_dir = os.path.join('/home/yangxuan/calibre/books', bpath)
+    if os.path.exists(full_dir):
+        shutil.rmtree(full_dir)
+
+conn.commit()
+conn.close()
+print(f"完成，删除: {len(to_delete)}", flush=True)
+```
+
+---
+
+## 三、书名批量清洗（作者标记去除 + 前 20 中文截取）
+
+对于书名中含 `作者：xxx`、`翻译：xxx` 标记但作者字段已有值的书，使用此脚本批量清洗：
+
+```python
+import sqlite3, re
+
+db_path = '/home/yangxuan/calibre/books/metadata.db'
+conn = sqlite3.connect(db_path)
+c = conn.cursor()
+
+c.execute('''
+    SELECT b.id, b.title, a.name as author_name, d.name as file_name
+    FROM books b
+    JOIN data d ON d.book = b.id AND d.format = 'TXT'
+    JOIN books_authors_link l ON b.id = l.book
+    JOIN authors a ON l.author = a.id
+    WHERE (b.title LIKE '%作者：%' OR b.title LIKE '%作者:%' OR b.title LIKE '%翻译：%' OR b.title LIKE '%翻译:%')
+      AND a.name NOT IN ('未知', 'Unknown')
+    ORDER BY b.id
+''')
+rows = c.fetchall()
+
+for bid, title, author_name, file_name in rows:
+    # 1. 从 data.name 提取作者并更新 author 字段（如不同）
+    name_clean = re.sub(r'\s*-\s*(Unknown|未知)\s*$', '', file_name)
+    m = re.search(r'[　\s]*?(?:作者|翻译|原?作者)[：:]\s*([^\s_）\)《\[【\]】\-,]+)', name_clean)
+    if m:
+        extracted = m.group(1).strip()
+        if extracted and extracted != author_name and len(extracted) < 30:
+            cur = conn.cursor()
+            cur.execute("SELECT id FROM authors WHERE name=?", (extracted,))
+            ar = cur.fetchone()
+            if ar:
+                aid = ar[0]
+            else:
+                cur.execute("INSERT INTO authors (name, sort) VALUES (?, ?)", (extracted, extracted.replace(',', '').strip()))
+                aid = cur.lastrowid
+            cur.execute("UPDATE books_authors_link SET author=? WHERE book=?", (aid, bid))
+            cur.close()
+    
+    # 2. 裁剪书名：去标记 + 前 20 中文
+    clean_title = re.sub(r'[　\s]*?(?:作者|翻译|原?作者)[：:].*$', '', file_name, flags=re.DOTALL)
+    clean_title = re.sub(r'\s*-\s*(Unknown|未知)\s*$', '', clean_title).strip()
+    
+    if clean_title:
+        count = 0
+        pos = 0
+        for i, ch in enumerate(clean_title):
+            if '\u4e00' <= ch <= '\u9fff':
+                count += 1
+                if count == 20:
+                    pos = i + 1
+                    break
+        if count > 20:
+            clean_title = clean_title[:pos]
+        
+        if clean_title != title:
+            c.execute("UPDATE books SET title=? WHERE id=?", (clean_title, bid))
+
+conn.commit()
+conn.close()
+```
+
+---
+
+## 四、常用查询
+
+### 4.1 查看 XX 作者的书
+
+```bash
+sqlite3 /home/yangxuan/calibre/books/metadata.db "
+SELECT b.id, b.title
+FROM books b JOIN books_authors_link l ON b.id = l.book
+JOIN authors a ON l.author = a.id
+WHERE a.name = 'Unknown'
+LIMIT 20;
+"
+```
+
+### 4.2 统计作者分布
+
+```bash
+sqlite3 /home/yangxuan/calibre/books/metadata.db "
+SELECT a.name, COUNT(*) as cnt
+FROM books b JOIN books_authors_link l ON b.id = l.book
+JOIN authors a ON l.author = a.id
+GROUP BY a.name ORDER BY cnt DESC LIMIT 20;
+"
+```
+
+### 4.3 书名异常检测
+
+```bash
+sqlite3 /home/yangxuan/calibre/books/metadata.db "
+SELECT id, title FROM books WHERE
+  title LIKE '%作者%' OR title LIKE '%翻译%' OR
+  title LIKE '%.com%' OR title LIKE '%http%' OR
+  title LIKE '%内容简介%' OR
+  LENGTH(title) > 80;
+"
+```
+
+### 4.4 书库统计
+
+```bash
+python3 -c "
+import sqlite3
+conn = sqlite3.connect('/home/yangxuan/calibre/books/metadata.db')
+c = conn.cursor()
+c.execute('SELECT COUNT(*) FROM books')
+print(f'总书籍: {c.fetchone()[0]}')
+c.execute('SELECT COUNT(*) FROM data WHERE format=\"TXT\"')
+print(f'TXT 文件: {c.fetchone()[0]}')
+conn.close()
+"
+```
+
+---
+
+## 五、操作流程（推荐顺序）
+
+```bash
+cd /home/yangxuan/calibre
+
+# 1. 停服务 + 备份
+docker compose down
+cp books/metadata.db books/metadata.db.backup.$(date +%Y%m%d)
+killall calibre 2>/dev/null
+
+# 2. 脏数据清理（内容损坏 + 小文件 + 垃圾格式标题）
+python3 /path/to/clean_dirty_data.py
+
+# 3. 书名清洗 & 作者提取（含 data.name 级别提取）
+calibre-debug /path/to/fix_titles.py
+
+# 4. 检查是否有遗漏的异常书籍
+sqlite3 books/metadata.db \"SELECT id, title FROM books WHERE title LIKE '%作者%' OR title LIKE '%翻译%' OR title LIKE '%.com%';\" | head -10
+
+# 5. 重启
+docker compose up -d
+```
+
+---
+
+## 六、已知问题
+
+### `set_metadata` 报 `Errno 36 文件名过长`
+
+当 `author_sort` 字段超 80 字节时，Calibre 路径会触及 ext4 255 字节限制。先清理极长作者名：
+
+```bash
+sqlite3 /home/yangxuan/calibre/books/metadata.db "
+UPDATE authors SET name='Unknown' WHERE LENGTH(name) > 30;
+"
+```
+
+### WSL `/mnt/f` 删除 NTFS 文件权限不够
+
+WSL 的 drvfs 默认不带 metadata 选项，`sudo rm`、`os.remove`、`cmd.exe /c del` 均无法删除 NTFS 文件。不要在 WSL 下尝试跨分区删除操作，直接让 Windows 侧（文件资源管理器/PowerShell）操作。
+
+### 书名长度截取规则
+
+`title` 字段清洗后最多保留 20 个中文字符。计数规则：只计 Unicode 范围的 `\u4e00-\u9fff` 中文字符，保留第 20 个中文之前的所有字符（含非中文）。如书名不足 20 个中文则全保留。
+
+### `title` vs `data.name` 区别
+
+- `books.title`：Calibre 界面显示的书名（清洗后的）
+- `data.name`：导入时的原始文件名（不含 `.txt`）
+- 作者提取优先使用 `data.name`，其文件名保留原始信息、更可靠
@@ -0,0 +1,48 @@
+---
+name: "f-download-sorter"
+description: "整理 /mnt/f 下下载的视频文件：扫描→清垃圾→按规则归档到7个大类目录"
+---
+
+# /mnt/f 下载文件批量归档整理
+
+## 用途
+把 source_dirs 里堆叠的下载视频，按规则自动清理、归类到大类目录。
+
+## Touch point
+用户说"整理 /mnt/f 视频""归档 collections""下载文件太多理一下"等，调用此 skill。
+
+## 流程
+1. 运行 `scripts/scan_and_clean.py` → 扫描 + 清垃圾
+2. 运行 `scripts/classify_and_move.py` → 按规则归档
+3. 报告结果
+
+## 配置
+核心配置在 `config.json`，可自定义：
+
+| 字段 | 说明 |
+|------|------|
+| `source_dirs` | 源目录列表，默认 `["/mnt/f/collections", "/mnt/f/video"]` |
+| `keep_as_is` | 已有元数据不动的内容 |
+| `min_size_mb` | 小于此值且无实质视频的目录自动删除 |
+| `categories` | 分类规则数组，每个有 `dir`（目标路径）和 `keywords`（关键词列表） |
+| `fallback_dir` | 无关键词匹配时的兜底目录 |
+
+### 添加新分类
+在 `categories` 数组中新增一项：
+```json
+{
+  "dir": "/mnt/f/新分类",
+  "keywords": ["关键词A", "关键词B"]
+}
+```
+
+### 添加新源目录
+在 `source_dirs` 中追加路径。
+
+### 保护不移动的内容
+在 `keep_as_is` 列表追加名称。
+
+## 注意事项
+- 同一分区 mv，不复制数据
+- 不预览文件内容，只基于文件名关键词
+- WSL `/mnt/` 跨文件系统扫描慢，大数量时建议用 Windows 原生 Python 执行
@@ -0,0 +1,39 @@
+{
+  "source_dirs": [
+    "/mnt/f/collections",
+    "/mnt/f/video"
+  ],
+  "keep_as_is": ["重生之征服郭伯母"],
+  "min_size_mb": 50,
+  "categories": [
+    {
+      "dir": "/mnt/f/过那条巷子",
+      "keywords": ["过那条巷子"]
+    },
+    {
+      "dir": "/mnt/f/2048合集",
+      "keywords": ["2048"]
+    },
+    {
+      "dir": "/mnt/f/AI短剧",
+      "keywords": ["AI短剧", "AI自制", "AI视频", "美丽新世界", "少年阿宾", "NTR寝取", "嫂子", "魔女小姨子", "桃运圣医", "我和老师的约定"]
+    },
+    {
+      "dir": "/mnt/f/FC2福利姬",
+      "keywords": ["FC2", "Comatozze", "Dainty", "KAKAE", "lananlanan", "P站"]
+    },
+    {
+      "dir": "/mnt/f/合集种子",
+      "keywords": ["BT-btt"]
+    },
+    {
+      "dir": "/mnt/f/国产露脸",
+      "keywords": ["19岁", "冯帆", "momocats", "露脸才是王道", "香蕉"]
+    },
+    {
+      "dir": "/mnt/f/自拍泄漏",
+      "keywords": ["泄密", "自拍", "自慰", "原相机", "情侣", "校花", "嫩妹", "福利姬", "裸聊", "绿帽", "良家", "约炮", "狗哥", "土豪", "原档", "维度", "桃子", "娇娇", "学妹", "反差"]
+    }
+  ],
+  "fallback_dir": "/mnt/f/AI短剧"
+}
@@ -0,0 +1,93 @@
+#!/usr/bin/env python3
+"""
+按规则分类归档 source_dirs 中的目录到 categories 定义的大类目录
+读配置文件：与脚本同目录下的 config.json
+"""
+import os, json, shutil
+
+SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
+
+def load_config():
+    cfg_path = os.path.join(SCRIPT_DIR, "..", "config.json")
+    with open(cfg_path) as f:
+        return json.load(f)
+
+def classify(name, cfg):
+    """返回目标目录路径，或 None（不移动）"""
+    if name in cfg.get("keep_as_is", []):
+        return None
+    for cat in cfg["categories"]:
+        keywords = cat["keywords"]
+        if any(k in name for k in keywords):
+            return cat["dir"]
+    fallback = cfg.get("fallback_dir")
+    if fallback:
+        return fallback
+    return None
+
+def main():
+    cfg = load_config()
+    src_dirs = cfg["source_dirs"]
+    
+    moves = []
+    for base in src_dirs:
+        if not os.path.isdir(base):
+            print(f"  [WARN] 目录不存在: {base}")
+            continue
+        for entry in sorted(os.listdir(base)):
+            full = os.path.join(base, entry)
+            if not os.path.isdir(full):
+                continue
+            dst_base = classify(entry, cfg)
+            if dst_base is None:
+                print(f"  ○ 不动: {entry}")
+                continue
+            dst = os.path.join(dst_base, entry)
+            if os.path.exists(dst):
+                i = 1
+                while os.path.exists(f"{dst}_{i}"): i += 1
+                dst = f"{dst}_{i}"
+            moves.append((full, dst))
+    
+    # 创建目录
+    for _, d in moves:
+        os.makedirs(os.path.dirname(d), exist_ok=True)
+    
+    # 执行移动
+    print(f"开始移动 {len(moves)} 个条目...")
+    for src, dst in moves:
+        try:
+            shutil.move(src, dst)
+            print(f"  ✓ {os.path.basename(src)}")
+        except Exception as e:
+            print(f"  ✗ {os.path.basename(src)} -> {e}")
+    
+    # 清理空源目录
+    for d in src_dirs:
+        if os.path.isdir(d) and not os.listdir(d):
+            os.rmdir(d)
+            print(f"  ✓ 已删空目录: {d}")
+    
+    # 报告
+    base = os.path.commonpath([os.path.dirname(d) for _, d in moves])
+    for _, d in moves:
+        base = os.path.commonpath([base, os.path.dirname(d)])
+    base = base or "/"
+    
+    print(f"\n=== 归档完成 ===")
+    seen = set()
+    for _, d in moves:
+        parent = os.path.dirname(d)
+        if parent not in seen:
+            sz = 0
+            cnt = 0
+            for dp, dn, fn in os.walk(parent):
+                for f in fn:
+                    cnt += 1
+                    try: sz += os.path.getsize(os.path.join(dp, f))
+                    except: pass
+            print(f"  {parent}/  ({cnt} 文件, {sz/1024**3:.1f}GB)")
+            seen.add(parent)
+
+if __name__ == "__main__":
+    main()
@@ -0,0 +1,67 @@
+#!/usr/bin/env python3
+"""
+扫描 + 清理垃圾
+遍历 source_dirs，清理空壳目录和小视频残片
+读配置文件：与脚本同目录下的 config.json
+"""
+import os, json, sys
+
+SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
+
+def load_config():
+    cfg_path = os.path.join(SCRIPT_DIR, "..", "config.json")
+    with open(cfg_path) as f:
+        return json.load(f)
+
+def scan_and_clean(cfg):
+    src_dirs = cfg["source_dirs"]
+    min_size = cfg["min_size_mb"] * 1024 * 1024
+    video_exts = {'.mp4','.mkv','.avi','.mov','.wmv','.flv','.webm','.ts','.m4v','.rmvb'}
+    
+    targets = []
+    print("=== 扫描 ===")
+    for base in src_dirs:
+        if not os.path.isdir(base):
+            print(f"  [WARN] 目录不存在: {base}")
+            continue
+        for entry in sorted(os.listdir(base)):
+            full = os.path.join(base, entry)
+            if not os.path.isdir(full):
+                continue
+            total_sz = 0
+            real_video = 0
+            try:
+                for dp, dn, fn in os.walk(full):
+                    for f in fn:
+                        fp = os.path.join(dp, f)
+                        try:
+                            total_sz += os.path.getsize(fp)
+                        except: pass
+                        if os.path.splitext(f)[1].lower() in video_exts:
+                            real_video += 1
+            except: pass
+            
+            action = "KEEP"
+            if total_sz < min_size and real_video == 0:
+                action = "DELETE"
+            elif total_sz < min_size and real_video > 0:
+                action = "DELETE"
+            
+            print(f"  [{action:>6}] {entry}  ({total_sz/1024**2:.0f}MB, {real_video}视频)")
+            
+            if action == "DELETE":
+                targets.append(full)
+    
+    if targets:
+        print(f"\n待删除: {len(targets)} 个")
+        print("开始删除...")
+        import shutil
+        for d in targets:
+            shutil.rmtree(d)
+            print(f"  ✓ 已删: {os.path.basename(d)}")
+    else:
+        print("\n无需清理。")
+
+if __name__ == "__main__":
+    cfg = load_config()
+    scan_and_clean(cfg)
@@ -0,0 +1,166 @@
+---
+name: "jav-media-sorter"
+description: "JAV 视频整理：组装文件、按演员分组、刮削 nfo 元数据与封面图"
+---
+
+# JAV 媒体整理与元数据刮削技能
+
+将 qbittorrent 下载完成的 JAV 视频（ mp4 + srt + nfo ）文件整理成 `/mnt/f/av/` 格式，按演员分类，并尝试刮削封面图。
+
+## 目录结构规范
+
+目标格式（参考 `/mnt/f/av/`）：
+
+```
+/mnt/f/av/
+├── 演员名/
+│   ├── 番号-C 演员名/        ← 如果已有番号-C 目录则保留原名
+│   │   ├── 番号.mp4
+│   │   ├── 番号.chs.srt
+│   │   ├── 番号.nfo
+│   │   ├── poster.jpg
+│   │   └── fanart.jpg
+│   └── ...
+├── 未知演员/
+│   └── ...
+```
+
+另一套目录结构（参考 `/mnt/e/01_automated/日本电影/`）：
+
+```
+/mnt/e/01_automated/日本电影/
+├── 演员名/
+│   ├── 番号 演员名/
+│   │   ├── 番号.mp4
+│   │   ├── 番号.nfo
+│   │   ├── 番号-poster.jpg
+│   │   └── 番号-thumb.jpg
+│   └── ...
+```
+
+## 前置条件
+
+- Clash 代理运行在 Docker（端口 7443，认证 `proxy:5gynj20J`）
+- FlareSolverr 运行在 Docker（已下线，按需启动）
+- Python3（用于 nfo 和整理脚本）
+- Docker（FlareSolverr + Clash）
+
+## 操作流程
+
+### 1. 检查下载目录
+
+```bash
+ls /mnt/f/qbittorrent/failed/
+```
+
+通常结构是 `failed/` 目录下平铺所有 mp4、srt（.chs.srt）、nfo 文件。
+
+### 2. 按演员创建目标文件夹
+
+在 `failed/` 目录内创建 `番号-C 演员名/` 文件夹，方便手动拖到 `/mnt/f/av/` 中对应演员目录。
+
+```bash
+cd /mnt/f/qbittorrent/failed
+mkdir -p "ADN-016-C 明日見未来"
+# ... 以此类推
+```
+
+### 3. 按演员分组（移动目录到演员子目录）
+
+若目录直接放在 `/mnt/f/av/` 根目录下，需要移动到对应演员子目录：
+
+```bash
+cd /mnt/f/av
+mkdir -p "明日見未来"
+mv "ADN-016-C 明日見未来" "明日見未来/"
+# ... 以此类推
+```
+
+### 4. 读取 nfo 获取演员信息
+
+每个作品的 nfo 文件包含元数据，用 Python 解析：
+
+```python
+import xml.etree.ElementTree as ET
+tree = ET.parse('番号.nfo')
+root = tree.getroot()
+actors = [a.find('name').text for a in root.findall('actor')]
+dvd_id = root.find('num').text
+```
+
+### 5. 封面图刮削
+
+尝试从以下来源下载封面图：
+
+#### 5.1 FlareSolverr + Clash 代理（首选）
+
+```bash
+FLARE="http://127.0.0.1:8191/v1"
+CLASH_PROXY="http://proxy:***@host.docker.internal:7443"
+
+# FlareSolverr API 请求格式
+curl -s "$FLARE" -d '{
+  "cmd":"request.get",
+  "url":"https://javdb.com/search?q=番号&f=all",
+  "maxTimeout":45000,
+  "proxy":{"url":"'$CLASH_PROXY'"}
+}' -H "Content-Type: application/json"
+```
+
+从返回的 JSON 中提取 `solution.response` 中的 HTML，解析出：
+
+- 详情页链接 `href="/v/xxx"`
+- 详情页中 `class="video-cover"` 的 `src` 属性（封面图片 URL）
+
+然后通过 Clash 代理下载图片：
+
+```bash
+curl -x "http://proxy:***@127.0.0.1:7443" -s -L -o "poster.jpg" \
+  -H "Referer: https://javdb.com/" "$POSTER_URL"
+```
+
+#### 5.2 备用：Python socks5 直连
+
+```python
+import socks, socket
+socks.set_default_proxy(socks.SOCKS5, "127.0.0.1", 7443,
+    username="proxy", password="***", rdns=True)
+socket.socket = socks.socksocket
+import urllib.request, re
+req = urllib.request.Request("https://javdb.com", headers={
+    "User-Agent": "Mozilla/5.0"})
+```
+
+#### 5.3 已知限制
+
+- JavDB 有 Cloudflare 反爬，Python `requests`/`cloudscraper` 均可能被拦截
+- FlareSolverr 走 HTTP 代理时可能无法完成 Cloudflare JS 挑战
+- FANZA/DMM 图片 CDN 返回小图（~3KB），真实大图需 JS 渲染
+- 最可靠方案：**Windows 端浏览器手动下载**
+
+### 6. 图片命名规则
+
+- `/mnt/f/av/` 格式： `poster.jpg` + `fanart.jpg`（两图相同）
+- `/mnt/e/01_automated/日本电影/` 格式： `番号-poster.jpg` + `番号-thumb.jpg`
+
+## 注意事项
+
+- **WSL 操作 /mnt 文件极慢**：大量小文件操作应在 Windows 原生 Python 中执行
+- **代理密码注意 shell 展开**：Clash 密码 `5gynj20J` 在 bash 中写为 `"proxy:*"`（用双引号避免 `***` 展开）
+- **FlareSolverr 密码兼容性**：SOCKS5 代理认证不支持通过环境变量传递。HTTP 代理用 `proxy` 参数
+- **Clash 端口**：mixed-port 7443，同时支持 HTTP 和 SOCKS5
+- **删除冗余的字幕目录**：`*-中文字幕/` 目录中的 `.srt` 与 `failed/` 目录中的 `.chs.srt` 多数是重复文件（MD5 一致）
+
+## 依赖检查
+
+```bash
+# FlareSolverr
+docker ps | grep flaresolverr
+
+# Clash
+docker ps | grep clash
+
+# Python
+python3 --version
+pip3 list 2>/dev/null | grep -i cloudscraper
+```
@@ -0,0 +1,93 @@
+---
+name: "jellyfin-nfo-builder"
+description: "为剧集整理统一文件名、生成缺失的 Jellyfin .nfo 剧集元数据"
+---
+
+# Jellyfin NFO 剧集元数据补齐技能
+
+为剧集目录整理统一文件名，并为缺失的集数生成标准的 Jellyfin `.nfo` 元数据文件。
+
+## 适用场景
+
+- 手动清理/重命名剧集文件后，部分集数的 `.nfo` 元数据缺失
+- 从不同来源合并剧集（高质量版 + 补全集），需要统一格式
+- 批量标准化剧集视频文件和元数据
+
+## 前置条件
+
+- 视频文件已整理到一个目录
+- 有一条完整的剧集（有 `.nfo` 示例可参照格式）
+- 了解剧集的总集数
+- shell 工作目录为剧集所在目录
+
+## 步骤
+
+### 1. 检查现有状态
+
+列出目录下所有视频文件和 `.nfo` 文件：
+
+```bash
+ls -lh *.mp4 *.nfo 2>/dev/null
+```
+
+确定：
+- 总集数
+- 已有哪些集的 `.nfo`
+- 哪些集缺失 `.nfo`
+- 文件名是否统一
+
+### 2. 读取一个已有 `.nfo` 作为模板
+
+```bash
+cat "剧集名 第xx集.nfo"
+```
+
+标准 Jellyfin 剧集 nfo 格式：
+
+```xml
+<?xml version="1.0" encoding="UTF-8"?>
+<episodedetails>
+  <title>第N集</title>
+  <season>1</season>
+  <episode>N</episode>
+  <plot>剧集名 第N集</plot>
+  <runtime>233</runtime>
+  <aired>2026-01-01</aired>
+</episodedetails>
+```
+
+### 3. 生成缺失的 `.nfo`
+
+```bash
+cd /path/to/剧集目录
+for i in 4 5 8 9 10 11; do
+  cat > "剧集名 第${i}集.nfo" << EOF
+<?xml version="1.0" encoding="UTF-8"?>
+<episodedetails>
+  <title>第${i}集</title>
+  <season>1</season>
+  <episode>${i}</episode>
+  <plot>剧集名 第${i}集</plot>
+  <runtime>233</runtime>
+  <aired>2026-01-01</aired>
+</episodedetails>
+EOF
+done
+```
+
+> `runtime`（时长秒数）和 `aired`（首播日期）可以参照已有文件填写，或设为默认值。
+
+### 4. 检查结果
+
+```bash
+ls -lh *.mp4 *.nfo 2>/dev/null
+```
+
+确认每一集都有对应的视频文件和 `.nfo` 文件。
+
+## 注意事项
+
+- Jellyfin 依赖文件名排序，统一格式为 `剧集名 第XX集.mp4`（两位数字，按字母排序正确）
+- `.nfo` 中的 `<episode>` 标签必须与集数一致
+- 如果整个剧集目录还没有 `tvshow.nfo` 和 `season.nfo`，也需要一并创建
+- 视频文件命名应与 `.nfo` 文件名完全一致（仅扩展名不同）