整理这个合集花了整整三个周末。
硬盘里躺着的1.2TB数据，解压后文件夹排成两屏高。最早接触秀人网大概是2017年，那时候还在用百度云分享链接，动不动就被和谐，找个完整套图得在十几个帖子里拼凑。后来转到Telegram频道、再到私有网盘群，见过太多打着"全站"旗号实则重复率极高、缺图断图的伪合集。
这次整理的动力很简单：手头有几个模特的散套想补全，顺便把硬盘里积灰的旧资源做次去重。
关于数量的说明
1154套这个数字是去重后的实测值。
初次导入时脚本扫出1300多个文件夹，跑完MD5校验、文件名规则匹配、预览图比对三轮清洗，砍掉了140多套重复收录。主要重复源头有三类：一是早期不同渠道下载的同套图，文件名规则不统一；二是某些合集把"花漾""尤果""美媛馆"等子品牌混入秀人主站目录；三是部分模特更名后（如周于希改名朱可儿）被当作不同人收录两遍。
清洗完建立索引表时发现，实际涵盖模特数在380人左右。头部模特如杨晨晨、周于希、王雨纯、陈小喵单人收录均超30套，尾部只有一两套的模特占比接近四成。这符合秀人网运营规律——签约模特流动性大，能持续出镜两年以上的本身就不多。
存储结构与命名规范
最终落盘采用"模特名/年份-期数-主题"三级目录。
```
XIUREN内购合集/
├── 杨晨晨/
│ ├── 2021-No.3456-黑丝OL/
│ │ ├── 001.jpg
│ │ └── ...
│ └── 2022-No.4123-居家私房/
└── 周于希/
└── ...
```
命名规则统一为：`年份-No.期数-主题关键词`。期数对应官网原始编号，主题关键词从原套图文案提炼，便于本地检索。原档保留CR2/NEF格式约15%，其余为高质量JPG（长边4000px以上，单张8-15MB）。视频文件单独归档在`_VIDEO`目录，共计约200GB，编码多为H.264 1080p，码率15-25Mbps。
原档与压缩包的区别
网上流传的大多是"压缩包版"——二次压缩、裁剪水印、甚至降分辨率。这套内购源最大价值在保留了完整EXIF信息：快门、光圈、ISO、焦距、拍摄时间全留存。翻看几组2019年的早期套图，能看到摄影师从单灯布光逐步过渡到多灯混合布光的参数变化，这对研究商业人像摄影流程有参考意义。
另外原档保留了完整构图框架。很多压缩包版为了去水印会裁切画面边缘，导致构图比例失调。原档能看到摄影师留白意图，比如杨晨晨2021.No.3456那组，右侧留白三分之一对应后期排版文字区，裁切版直接破坏视觉平衡。
浏览体验的几个细节
按模特维度浏览时，能直观看到个别模特风格演变。以王雨纯为例，2018-2019年主打甜美邻家风，布光偏高调、服装多为针织衫连衣裙；2020年后转向御姐路线，低调布光占比上升，皮质、蕾丝、制服类服装增多，姿势设计也从被动配合转为主动控场。这种纵向对比在散套浏览时很难察觉。
按时间维度排序则能看到秀人网整体审美迭代。2017-2018年套图普遍50-60张，单一场景、单一服装；2019年后套图张数增至80-120张，多场景、多套装成为标配；2021年后引入"剧情向"拍摄，连贯性动作设计增强，不再是单纯姿势堆砌。这背后是平台商业化运营成熟、摄影团队标准化SOP建立的痕迹。
关于"内购"标识的说明
标题标注"内购"指来源渠道，非官方授权分发。
早期内购源多为摄影师/修图师外流原片，水印位置固定、画质无损；后期逐渐转为会员账号批量下载打包，带平台水印但分辨率一致。这套合集混合了两类源头，约65%为无水印原片，35%带官方水印（右下角半透明logo）。已在索引表`source_type`字段标注区分，需要纯净版可筛选导出。
硬盘占用与传输建议
1.2TB解压后占用约1.35TB（含预览图、索引文件）。建议预留1.5TB以上空间操作。机械硬盘顺序读写150MB/s下，全量校验需3小时左右；NVMe固态可压缩至40分钟内。
传输端推荐用`rsync -avh --progress --checksum`增量同步，避免大量小文件拖垮带宽。单套图平均1.2GB，百兆带宽下载单套约1.5分钟，全量下载理论耗时28小时。分卷压缩包（每卷50GB）已上传至冷存储，提取码在索引表`archive`字段。
整理过程的避坑记录
1. **文件名编码问题**：早期资源文件名含GBK编码中文，在Linux下直接挂载会乱码。用`convmv -f gbk -t utf-8 -r --notest`批量转码解决。
2. **隐藏文件污染**：Windows下载产生的`Thumbs.db`、macOS的`._*`文件混入套图目录，写脚本清理时加上`find . -name "Thumbs.db" -o -name "._*" -delete`。
3. **视频封面缺失**：部分早期视频无封面帧，用`ffmpeg -i input.mp4 -vf "select=eq(n\,0)" -vframes 1 cover.jpg`批量提首帧补全。
4. **期号断层**：官网期号非连续自然数（有预留、跳号、专题号），索引建立时以官网公开目录为准，本地目录按实际收录连续编号，两套编号映射关系存`mapping.csv`。
后续维护计划
跳转原帖: 秀人内购1154套合集！一次性收录全模 1.2TB海量原档
合集整理不是一次性动作。
秀人网现行更新频率日更3-5套，按年增量约1000套。计划建立半年一轮的增量同步流程：监控官网更新列表 → 对比本地索引 → 补录缺失 → 重跑去重 → 更新索引表。脚本已半自动化，人工介入仅需确认新模特命名规范、处理异常文件。
同时在考虑引入向量检索：用CLIP模型对全库图片生成嵌入向量，支持"黑丝办公室""红裙夕阳"等语义搜索。目前1.35TB图库跑完嵌入约需72小时（RTX 3090单卡），检索延迟可控制在200ms内。若实施，将把索引表从CSV迁移至SQLite+FAISS混合架构。
---
写到这里，硬盘指示灯还在闪烁。最后一轮校验跑完，校验和文件写入完成。关掉终端窗口，合集算是正式归档了。
如果你也在整理类似资源，欢迎交流清洗脚本、命名规范、存储架构。毕竟把资源变成可用的资产，比单纯囤硬盘更有意思。