BilibiliDown终极指南:一站式B站视频下载解决方案
2026-02-07 04:36:29作者:侯霆垣
BilibiliDown是一款功能强大的多平台B站视频下载工具,支持Windows、Linux和Mac系统,能够轻松下载B站视频、音频及弹幕,满足用户多样化离线观看需求。🚀
📋 快速导航
🎯 入门体验
环境准备与项目获取
在开始使用BilibiliDown之前,请确保系统已安装Java运行环境(JRE 1.8或更高版本)。通过以下命令克隆项目到本地:
git clone https://gitcode.com/gh_mirrors/bi/BilibiliDown
程序启动方式
根据操作系统选择相应的启动方式:
- Windows用户:直接运行release目录下的可执行文件
- Mac用户:执行release/Double-Click-to-Run-for-Mac.command
- Linux用户:运行release/Create-Shortcut-on-Desktop-for-Linux.sh创建桌面快捷方式
🔍 深度使用
账号登录与权限获取
BilibiliDown支持两种登录方式:
- 扫码登录:快速便捷,安全性高
- 账号密码登录:适合网络环境复杂的场景
视频解析与下载流程
- 复制视频链接:在B站获取目标视频的URL
- 粘贴并解析:在主界面输入框中粘贴链接,点击"查找"按钮
- 选择清晰度:根据需求选择适合的视频质量
- 开始下载:点击下载按钮,等待完成
批量下载功能详解
BilibiliDown提供多种批量下载模式:
- UP主全量下载:输入UP主UID即可下载其所有视频
- 收藏夹批量下载:一键下载收藏夹中的全部内容
- 稍后再看列表:快速获取稍后再看列表中的所有视频
⚙️ 个性化定制
下载路径与存储管理
在设置界面中可自定义下载路径:
- 进入"设置"界面
- 定位"下载路径"选项
- 选择目标文件夹并确认
文件命名规则配置
通过修改config/app.config文件,可以自定义下载文件的命名格式。支持以下变量:
avId:视频av号pAv:av的第几个视频avTitle:视频标题clipTitle:视频小标题
下载记录与仓库模式
开启仓库模式后,成功的下载记录会保存在config/repo.config中,有效避免重复下载。
🎮 使用场景
学习资料离线保存
对于教程类视频,可以通过BilibiliDown下载到本地,方便随时复习和学习,不受网络限制。
收藏内容永久备份
担心喜欢的视频被下架?使用批量下载功能,将收藏夹中的视频全部保存到本地硬盘。
内容创作者素材收集
UP主可以下载同类优秀作品,分析学习其制作技巧和创意亮点。
网络环境优化使用
在网络不稳定或流量有限的情况下,提前下载视频到本地,享受流畅的观看体验。
💡 实用技巧
下载速度优化
- 调整线程池大小:
bilibili.download.poolSize = 3 - 降低同时下载任务数量
- 选择适合网络状况的清晰度
文件管理建议
- 定期清理临时文件
- 开启严格模式:
bilibili.restrictTempMode = on
🛠️ 故障排除
常见问题解决方案
- 无法解析链接:确认视频是否可正常访问
- 下载速度慢:检查网络连接和服务器状态
- 登录失败:验证账号密码或重新扫码
配置参数检查
当遇到下载异常时,建议检查以下配置:
- 代理设置是否正确
- 存储空间是否充足
- Java环境是否正常运行
📝 注意事项
使用BilibiliDown时请注意:
- 下载的视频仅限个人学习使用
- 请尊重视频创作者的版权
- 程序会保存登录cookie在config/cookies.config中,注意信息安全
通过合理配置和使用,BilibiliDown能够满足大多数用户的B站视频下载需求,提供便捷的离线观看体验。✨
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
DeepSeek-R1 终端输出满屏 `<think>` 乱码?一行正则修复 Hermes 过滤 BugAI 找不到执行结果?排查 _sanitize_api_messages 首尾空格引发的血案Agent 疯狂请求 API 导致额度耗尽?修复 batch_runner 无限重试 Bug接入 MiniMax/Qwen3 报错?别让 scratchpad 污染你的流式输出微信桥接神器 HermesClaw 启动崩溃?修复 openclaw dry-run 权限异常git submodule update 失败?国内网络拉取 Tinker-Atropos 强化学习模块指南Windows WSL 运行 Hermes 提示 launchd 失败?彻底解决跨系统自启大坑Execution Layer Crash: 修复工具调用结果无法持久化保存的致命 Bug无缝对话体验升级:Cherry Studio如何解决多模型协作难题隐私优先的照片管理:Ente加密相册的安全存储与智能组织方案
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
668
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
511
621
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
297
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
943
878
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
904
暂无简介
Dart
917
222
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
558
昇腾LLM分布式训练框架
Python
142
169
仓颉编程语言运行时与标准库。
Cangjie
163
924




