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!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00