自动无缝翻页脚本在B站搜索页的隐藏结果处理机制
2025-05-27 19:01:12作者:谭伦延
自动无缝翻页脚本在处理B站搜索页面时,面临一个特殊的挑战:B站搜索页默认会隐藏部分搜索结果。本文将深入分析这一现象的技术原理及脚本的应对策略。
隐藏搜索结果的发现
B站搜索页面存在一个特殊设计:每页搜索结果中会隐藏部分内容。通过开发者工具可以观察到,这些隐藏结果实际上存在于DOM结构中,但被CSS样式控制不显示。具体表现为:
- 部分搜索结果元素被添加了
.to_hide_md类名 - 其中部分元素还同时具有
.to_hide_xl类名 - 这些元素在视觉上被隐藏,但DOM中仍然存在
脚本的解决方案
自动无缝翻页脚本针对这一现象设计了专门的应对机制:
-
选择性显示策略:通过CSS注入强制显示仅含
.to_hide_md类名的元素.to_hide_md:not(.to_hide_xl) {display: initial !important;} -
保留重复过滤:不显示同时含有
.to_hide_md和.to_hide_xl的元素,因为这些元素实际上会在下一页重复出现
技术实现细节
脚本的翻页规则配置中包含了以下关键参数:
"pager": {
"type": 6,
"nextL": "js; return fun.getNextEP('.vui_pagenation--btn-num.vui_button--active+button.vui_pagenation--btn-num','page=',/page=\\d+/)",
"pageE": ".video-list-item,.media-list>div,.video-list>div",
"replaceE": ".vui_pagenation--btns",
"loadTime": 600,
"scrollD": 3000
}
其中:
type: 6表示特殊的分页类型处理nextL定义了下一页链接的定位逻辑pageE指定了搜索结果元素的CSS选择器loadTime和scrollD控制了加载和滚动行为
排序机制的影响
B站的搜索结果排序机制增加了问题的复杂性:
- 不同排序方式(如"最新发布")会导致结果顺序频繁变化
- 翻页间隔时间较长时,末尾结果可能被挤到下一页
- 这可能导致少量重复内容的出现,但实际使用中影响较小
最佳实践建议
- 保持脚本规则为最新版本,以应对B站前端可能的改动
- 对于从中间页开始加载的情况,注意检查是否有重复内容
- 了解这一机制有助于更好地利用B站的搜索功能
通过这种精细化的处理,自动无缝翻页脚本在B站搜索页实现了接近完整的内容展示,同时避免了大量重复内容的问题,为用户提供了流畅的浏览体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322