B站历史数据分析神器:BilibiliHistoryFetcher完整使用指南
想要一键获取完整的B站观看历史记录,生成详细的年度观看总结报告吗?BilibiliHistoryFetcher正是您需要的工具!这个开源项目能够自动同步您的哔哩哔哩观看历史,保存到本地数据库,并提供强大的数据分析功能。
3分钟快速上手配置
首先,您需要通过以下命令获取项目:
git clone https://gitcode.com/gh_mirrors/bi/BilibiliHistoryFetcher
cd BilibiliHistoryFetcher
接下来,安装必要的依赖:
pip install -r requirements.txt
核心配置文件详解
项目的核心配置位于config/config.yaml文件中,这是整个工具运行的关键:
# B站用户认证配置
SESSDATA: "您的B站SESSDATA"
# 邮件通知服务
email:
smtp_server: "smtp.qq.com"
smtp_port: 587
sender: "您的邮箱"
password: "邮箱授权码"
receiver: "接收邮箱"
# AI智能分析功能
deepseek:
api_key: "您的DeepSeek API密钥"
api_base: "https://api.deepseek.com/v1"
default_model: "deepseek-reasoner"
# 服务器设置
server:
host: "localhost"
port: 8899
一键启动数据分析服务
配置完成后,只需运行一个命令即可启动服务:
python main.py
服务启动后,在浏览器中访问http://localhost:8899即可看到完整的数据分析界面。
主要功能模块介绍
历史记录同步
通过routers/fetch_bili_history.py模块,系统会自动获取您的B站观看历史,包括视频标题、观看时间、UP主信息等关键数据。
智能数据分析
项目内置多种分析工具:
- 观看时长统计与趋势分析
- UP主关注度排名
- 视频类型偏好分析
- 观看时间段分布
年度报告生成
routers/analysis.py模块能够生成详细的年度观看总结报告,包括:
- 年度总观看时长
- 最常观看的UP主
- 观看高峰时段
- 视频类型偏好
自动化任务管理
通过scheduler.py脚本,您可以设置定时任务,自动同步最新的观看记录,确保数据实时更新。
高级功能配置
视频下载与存档
想要保存喜欢的视频?routers/download.py模块支持一键下载视频到本地,建立个人视频库。
数据导出功能
支持将分析结果导出为Excel、CSV等格式,方便进一步处理和分析。
常见问题解决
问题1:如何获取SESSDATA? 在浏览器中登录B站后,按F12打开开发者工具,在Application或Storage中找到Cookies,复制SESSDATA的值即可。
问题2:服务无法启动怎么办? 检查端口8899是否被占用,可以在配置文件中修改端口号。
问题3:数据同步失败如何处理? 确认SESSDATA配置正确且未过期,重新获取后更新配置文件。
总结与建议
BilibiliHistoryFetcher是一个功能全面、易于使用的B站数据分析工具。无论您是想了解自己的观看习惯,还是需要生成年度总结报告,这个工具都能满足您的需求。
建议定期备份数据库文件,并设置自动同步任务,确保数据的安全性和实时性。现在就开始使用这个强大的工具,探索您的B站观看世界吧!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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