开源项目awesome-bilibili-extra中的B站收藏夹修复工具解析
在B站用户日常使用过程中,经常会遇到收藏的视频被删除或失效的情况,这给用户带来了诸多不便。针对这一问题,开源社区开发了一款实用的浏览器脚本工具,能够有效修复B站收藏夹中被删除视频的显示问题。
核心功能解析
该脚本主要实现了以下几个实用功能:
-
视频信息修复:当收藏的视频被删除后,脚本能够自动从第三方缓存站点获取并恢复视频的标题和封面信息。这项功能依赖于第三方网站的信息缓存机制,如果该视频在被删除前未被缓存,则无法恢复相关信息。
-
悬停信息展示:鼠标悬停在视频卡片上时,会显示包括播放数、收藏数、UP主信息和投稿日期等详细数据。这部分功能实际上是去除了B站网页上原有的disabled隐藏样式,直接展示B站原生提供的信息。
-
扩展信息浮块:在悬停状态下,下方会展示更详细的浮块信息,包含av号、bv号、up主详情、视频简介、发布时间、子P数量与标题,以及播放数、收藏数、弹幕数等统计信息。这部分数据直接从B站API端口获取,具有较高的稳定性。
-
便捷操作菜单:点击右下角操作菜单可执行多种实用功能,包括复制av/bv号、复制简介信息,以及一键跳转至UP主空间等快捷操作。
-
备用跳转功能:点击视频可直接跳转至第三方存档站点,为用户提供查看被删除视频内容的备选方案。
技术实现特点
该工具的技术实现有几个值得注意的特点:
-
混合数据源:巧妙地结合了B站原生数据、API接口数据和第三方缓存数据,提供了全面的信息展示方案。
-
非侵入式设计:通过CSS样式调整和DOM操作实现功能增强,而非完全重写页面结构,保证了与B站原页面的兼容性。
-
模块化功能:各项功能相对独立,用户可以根据需要选择性使用,提高了脚本的灵活性。
使用场景与限制
该工具特别适合以下场景:
- 收藏了大量视频的老用户整理收藏夹
- 需要查找已被删除视频相关信息的研究者
- 想要备份收藏视频关键信息的用户
需要注意的是,该工具也存在一些限制:
- 视频信息修复功能依赖于第三方网站的缓存情况
- B站API接口变更可能导致部分功能失效
- 仅适用于浏览器环境,需要安装脚本管理器扩展
开源生态价值
该工具最初由开发者Mr-Po创建,后经社区成员cerenkov维护改进,体现了开源协作的优势。项目采用GitHub托管代码,同时在主流脚本平台发布,方便用户安装使用。这种开放协作的模式不仅解决了实际问题,也为B站生态工具开发提供了有价值的参考案例。
对于B站重度用户来说,这款工具能显著提升收藏夹管理体验,是实用价值很高的浏览器增强脚本。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00