电影文件名称分析，该怎么做？

[tony1016]

我在做一个程序，可以分析一堆下载的电影文件，并匹配上封面和介绍等内容。问题是，从乱七八糟的电影文件名中，如何提取出正确的电影中文名或者英文名？

预览版开发完毕，http://apps.tonylee.name，大家玩玩

[webflier]

参考plex，xbmc的提取规则。目前下载的电影/连续剧基本都能识别

[saintw]

这种东西有数据库的吧。
比如：
https://www.themoviedb.org/

话说你是要做一个XBMC？

[tony1016]

@webflier
@saintw plex和xmbc目前对于中国国内这种中英混合，不规则的文件，识别率非常低。一般来说，如果英文在前的，基本可以。但如果中文名称在前，甚至社区名称在前的，基本没戏。但是，我发现小米盒子和迅雷云播放，其识别率都超级高。所以我在思考他们是怎么做的。
to @saintw ，我想做的东西呢，别xbmc更轻一些，甚至初期可能没有播放功能，仅仅是影片整理和重命名等功能，可以调用第三方的播放器播放。这样大家在一堆片子里选片子，就方便很多

[chintj]

关注。我的情况是从pt、论坛（包括人人）还有ed2k上一些命名更乱的文件混在一起，有中文有英文，基本上按电影、剧集、视频等等简单分开。积累很长时间，懒得收拾。看看有什么好的方法

[tony1016]

以下是思路：
1.分词，用特殊符号作为关键点，比如
梦幻天堂·龙网(lwgod.com).720p.沙漠驼影.踪迹-->梦幻天堂|龙网|lwgod|com|720p|沙漠驼影|踪迹
The.Fifth.Estate.2013.危机解密.双语字幕.HR-HDTV.AC3.1024X576.x264-->The|Fifth|Estate|2013|危机解密|双语字幕|HR|HDTV|AC3|1024X576|x264

2.最佳组合：
英文优先：多个英文单词相连的组合作为一个最优解，如The|Fifth|Estate
中文次之：以最长中文为最优解，如 梦幻天堂 或者 沙漠驼影

3.时间校验
寻找具有19xx或者20xx的4位数字，验证tmdb库中关于找到片子的上映时间来相互对比，如果bingo，则是最优解

[tony1016]

又想到一个：首字母大写的分词，可能性更高

[Atu]

@tony1016 坐等MAC版

[meta]

这个是和什么匹配，如果数据库在自己这里的话，可以把数据库中的电影名字做成一棵字典树作为数据的索引，然后就好匹配了。

[fenglai]

期待一下，现在htpc真没啥好用并且快捷方便的播放系统，lz要做就提些意见
分类识别必须做好 lz正在努力
界面ui最好符合遥控操作方式，兼容遥控器
必须支持源码输出，能过点亮功放dts dtshd 杜比音效
其实国内有个叫猫范的做的还不错，还能像射手影音那样自动下载字幕，应该是xbmc改的，但是它和xbmc一样，不能源码输出，对于接功放家庭影院的玩家来说，非常鸡肋。

[Sylv]

我写了个脚本运行在 NAS 上，来整理电影，并补全电影中文信息和海报，以供 XBMC 显示和播放（因为 XBMC 的各种中文削剥器都不太好用）。
我的做法是先过滤掉文件名中任何括号内的内容，一般里面都是组名网站名。然后通过文件名中的年份来分割，一般在年份前的都是电影名（可能会包括中文和英文名），年份后的一般就是视频分辨率之类的。然后用年份和原始电影名通过豆瓣 api 搜索到正确对应的电影，配合年份的话成功率能有 90%，这样就能获取到正确的电影中外文名和其它电影元数据。
然后把从豆瓣获取到的信息写成供 XBMC 读取的 XML 文件 movie.nfo，再从豆瓣下载对应海报和剧照，这样 XBMC 就能显示出完善的中文电影信息。最后把管理和播放的任务交给 XBMC。

[Sylv]

@fenglai XBMC 可以源码输出的，在我这是可以点亮功放的。但我一般是外挂 PotPlayer 来播放，对 ass 字幕支持会更好点。

[tony1016]

@Sylv 感谢，这个非常有帮助

[tony1016]

@meta 和tmdb匹配，在线的，多次匹配速度会很慢，所以最好找到规律后一次匹配

[tony1016]

@fenglai htpc没怎么玩过，第一波肯定是mac版，之后考虑拿node-webkit改个通用版。至于播放功能，我还是倾向于调用第三方播放，毕竟太专业。但是我考虑研究一下dlna，因为这个在所有的播放器中，都没有考虑过

[Sylv]

Mac 下有个从 IMDB 和 RottenTomato 等网站匹配电影信息和海报的电影管理软件叫 ViMediaManager，我用它配合我的脚本来补全电影信息，很好用。这个软件是开源的，你可以参考下。
http://mariusth.heliohost.org/vimediamanager/

[tony1016]

@Sylv 试了一下，功能上确实不错，就是自动匹配能力比较差了，看来要做，那卖点必须是自动匹配能力

[Sylv]

@tony1016 匹配功能是不太强，所以我都是先用脚本通过豆瓣找到对应的 IMDB 编号，再用这个软件补全各种 fanart 、预告片和各站评分，这部分功能这个软件比较完善

[tony1016]

预览版开发完了，大家试试

[tony1016]

@webflier
@saintw
@chintj
@Atu
@meta
@fenglai
@Sylv

预览版开发好了，试试吧

[Sylv]

打开崩溃

Dyld Error Message:
Library not loaded: @rpath/libPythonic.dylib
Referenced from: /Users/USER/Downloads/MovieChooser.app/Contents/MacOS/MovieChooser
Reason: image not found

[tony1016]

@Sylv shit.第一次开发mac程序，打包有些问题，我再改改

[chintj]

辛苦了

[Atu]

收到，试中。。。

[tony1016]

关于该帖，最近又有一些新的想法。
因为最近接触机器学习的缘故，于是在想怎么通过机器学习去识别。目前想法是这样：

随便抓一个影视合集网站，比如这个 henbt.com ，里面每一条就是一部电影，文件名是我们常见的这种。点击进去就是介绍页面，每个页面都有 imdb 链接，再抓取对应的 imdb 的 title ，然后再退回去学习文件名中究竟哪些是符合 title 的部分，逐渐积累，训练集就这样可以搞定了，而且量应该很大。

只是还没想好向量模型改怎么建，似乎并不是一个分类模型

[CrispElite]

我最近也正在利用 Electron 做一个电影管理的程序。

虽是老帖，但也受益匪浅，思路有拓宽了！

谢谢楼上各位

[wangxiaoer]

挖个坟，这个类似的怎么样？ http://www.oldwanghub.com/item/79053