thsrite/iptv-sniff repository overview

⁠IPTV Stream Sniffer

IPTV流嗅探工具，用于批量测试IPTV流地址的可用性，支持自动截图、频道管理和AI识别。

⁠功能特性

⁠核心功能

• 🔍 批量测试：自动遍历IP范围，批量测试IPTV流的可用性
• 📸 自动截图：对可用的流进行截图保存，支持分辨率检测
• 🤖 AI识别：使用AI模型自动识别频道名称和台标
• 📺 频道管理：完整的频道库管理，支持频道名称、Logo、TVG ID等信息
• 📑 分组管理：支持频道分组，拖拽排序
• 🔄 连通性测试：批量测试频道连通性，实时更新状态
• 📥 M3U导入/导出：支持标准M3U播放列表格式
• 🌐 多语言支持：中英文界面切换
• ⚙️ 自定义配置：支持配置FFmpeg参数（包括硬件加速）
• 🐳 Docker支持：提供完整的Docker镜像

⁠筛选功能

• 按分组筛选
• 按分辨率筛选（4K/1080p/720p）
• 按连通性筛选（在线/离线）
• 按IP或频道名搜索

⁠快速开始

⁠使用Docker运行

docker run -d \
  --name iptv-sniffer \
  --device /dev/dri:/dev/dri \
  -p 9833:9833 \
  -v $(pwd)/screenshots:/app/screenshots \
  -v $(pwd)/config:/app/config \
  thsrite/iptv-sniff:latest

访问 http://localhost:9833 即可使用。

⁠本地开发

1. 安装依赖：

pip install -r requirements.txt

1. 确保已安装FFmpeg：

# Ubuntu/Debian
apt-get install ffmpeg

# macOS
brew install ffmpeg

1. 运行应用：

python main.py

访问 http://localhost:9832 即可使用。

⁠使用说明

⁠1. 流测试

在"Stream Test"标签页中：

1. 输入基础URL，使用 {ip} 作为IP地址的占位符
   • 例如：http://192.168.2.2:7788/rtp/{ip}:8000
2. 输入起始IP和结束IP
   • 例如：111.111.111.1 到 111.111.111.255
3. 点击"Start Test"开始测试

测试结果会显示：

• 实时测试进度
• 自动截图
• 分辨率信息
• 筛选功能（全部/成功/失败，4K/1080p/720p）

⁠2. 频道管理

在"TV Channels"标签页中可以：

• 导入M3U：从现有M3U文件导入频道列表
• AI识别：使用AI模型自动识别频道名称
• 连通性测试：批量测试所有频道的连通性
• 编辑频道信息：
  • 频道名称
  • Logo（点击Logo可编辑URL）
  • TVG ID
  • 分组
• 筛选和搜索：
  • 按分组筛选
  • 按分辨率筛选
  • 按连通性筛选
  • 按IP或频道名搜索
• 导出M3U：导出完整的M3U播放列表

⁠3. 分组管理

在"TV Groups"标签页中可以：

• 创建新分组
• 重命名/删除分组
• 拖拽调整分组顺序
• 向分组添加频道
• 从分组移除频道

⁠4. 高级设置

在"Advanced Settings"标签页中可以配置：

FFmpeg设置

• 超时时间
• 并发队列大小
• 自定义FFmpeg参数（如硬件加速）

AI模型配置

• 启用/禁用AI识别
• AI API URL
• API密钥
• 模型名称（支持GPT-4 Vision、Claude 3等）

常用硬件加速配置：

• Intel Quick Sync (VAAPI): -hwaccel vaapi -hwaccel_device /dev/dri/renderD128 -hwaccel_output_format vaapi
• NVIDIA GPU: -hwaccel cuda -hwaccel_output_format cuda

⁠API接口

⁠测试相关

# 开始测试
POST /api/test/start
Content-Type: application/json

{
  "base_url": "http://192.168.3.2:7788/rtp/{ip}:8000",
  "start_ip": "111.111.111.1",
  "end_ip": "111.111.111.256"
}

# 获取测试状态
GET /api/test/status/{test_id}

# 重试测试
POST /api/test/retry

⁠频道管理

# 获取所有频道
GET /api/channels

# 更新频道信息
POST /api/channels/update
Content-Type: application/json

{
  "ip": "111.111.111.1",
  "name": "CCTV-1",
  "logo": "http://example.com/logo.png",
  "tvg_id": "CCTV1"
}

# 测试连通性
POST /api/channels/test-connectivity

# 导入M3U
POST /api/channels/import-m3u

# 导出M3U
GET /api/channels/export-m3u

⁠分组管理

# 获取所有分组
GET /api/groups

# 创建分组
POST /api/groups/create

# 更新分组
POST /api/groups/update

# 删除分组
POST /api/groups/delete

⁠配置管理

# 获取配置
GET /api/config

# 保存配置
POST /api/config

⁠技术栈

• 后端：Python + Flask
• 前端：HTML + CSS + JavaScript
• 视频处理：FFmpeg（支持硬件加速）
• AI识别：OpenAI/Anthropic等多模态模型
• 数据存储：JSON文件
• 容器化：Docker

⁠项目结构

iptv-sniff/
├── main.py                 # Flask后端主程序
├── index.html              # 前端页面
├── static/
│   ├── style.css          # 样式文件
│   ├── script.js          # 前端逻辑
│   └── languages.js       # 多语言配置
├── screenshots/           # 截图存储目录
├── config/                # 配置文件目录
├── requirements.txt       # Python依赖
├── Dockerfile            # Docker镜像构建文件
└── docker-entrypoint.sh  # Docker入口脚本

⁠数据文件

• tv_channels.json: 频道数据库
• tv_groups.json: 分组信息
• results.json: 测试结果
• config/config.json: 系统配置
• screenshots/: 截图文件

⁠环境变量

• PORT: 服务端口（默认：9833）
• PYTHONUNBUFFERED: 禁用Python输出缓冲（默认：1）

⁠注意事项

1. 如果需要使用硬件加速，确保Docker容器可以访问相应的硬件设备（如/dev/dri）
2. AI识别功能需要配置有效的API密钥
3. 并发测试数量有限制（默认最多5个并发），可在高级设置中调整
4. 筛选条件和标签页状态会自动保存到localStorage
5. M3U导出会按照频道列表当前的排序和筛选条件

⁠常见问题

Q: 如何使用AI识别频道？ A: 在高级设置中配置AI API URL和密钥，然后在频道页面点击"AI识别频道"按钮。

Q: 支持哪些AI模型？ A: 支持所有兼容OpenAI Vision API格式的模型，包括GPT-4 Vision、Claude 3等。

Q: 如何导入现有的M3U文件？ A: 在频道页面点击"导入M3U"按钮，选择M3U文件即可自动导入所有频道信息。

Q: 频道连通性测试失败怎么办？ A: 检查网络连接和URL是否正确，可以在高级设置中增加超时时间。

⁠License

MIT License