BilibiliHistoryFetcher 项目安装与配置指南
2026-01-31 05:00:21作者:平淮齐Percy
1. 项目基础介绍
BilibiliHistoryFetcher 是一个开源项目,用于获取、处理、分析和可视化哔哩哔哩用户的观看历史数据。该项目提供了从数据获取到可视化展示的完整数据处理流程,并支持自动化运行和邮件通知功能。项目主要使用 Python 编程语言开发。
2. 项目使用的关键技术和框架
- Python:项目的主要编程语言。
- SQLite:用于本地存储和管理数据。
- FFmpeg:用于视频下载和转码。
- Yutto:用于哔哩哔哩视频下载。
- FasterWhisper:用于视频音频转文字。
- DeepSeek AI API:用于生成视频摘要。
3. 项目安装和配置的准备工作
在开始安装之前,请确保您的系统中已安装以下软件:
- Python 3.10 或更高版本
- SQLite 3
- FFmpeg
- Git(用于克隆项目)
详细的安装步骤
步骤 1:克隆项目
打开终端或命令行,运行以下命令克隆项目到本地:
git clone https://github.com/2977094657/BilibiliHistoryFetcher.git
cd BilibiliHistoryFetcher
步骤 2:安装依赖
在项目根目录下,运行以下命令安装所需的 Python 包:
pip install -r requirements.txt
步骤 3:配置文件
在 config/config.yaml 文件中,配置以下信息:
- B 站用户认证:填写您的 SESSDATA。
- 邮件通知配置:填写 smtp_server、smtp_port、sender、password 和 receiver。
- DeepSeek AI API 配置:填写 api_key 和 api_base。
- 服务器配置:填写 host 和 port。
步骤 4:运行程序
配置完成后,运行以下命令启动程序:
python main.py
或者,如果您已经配置了 Docker 环境,可以使用 Docker 启动项目:
docker build -t bilibili-history-fetcher -f docker/Dockerfile .
docker run -d -v ./config:/app/config -v ./output:/app/output -p 8899:8899 --name bilibili-history-fetcher bilibili-history-fetcher
步骤 5:自动化任务(可选)
如果需要配置自动化任务,请在 config/scheduler_config.yaml 文件中设置定时任务。
完成以上步骤后,您应该能够成功运行 BilibiliHistoryFetcher 项目,并开始获取和处理哔哩哔哩的观看历史数据。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0150- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude 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 Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
986