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!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00