BilibiliHistoryFetcher 使用与配置教程
2026-01-31 05:21:07作者:瞿蔚英Wynne
BilibiliHistoryFetcher
获取b站历史记录,保存到本地数据库,可下载对应视频及时存档,生成详细的年度总结,自动化任务部署到服务器实现自动同步,以及自动发送日志邮件,下面链接是对应前端
1. 项目目录结构及介绍
BilibiliHistoryFetcher 项目是一个用于获取、处理和分析哔哩哔哩用户观看历史数据的开源项目。以下是项目的目录结构及其介绍:
BilibiliHistoryFetcher/
├── .github/ # GitHub 工作流和模板文件
├── config/ # 配置文件目录
├── docker/ # Docker 相关文件
├── docs/ # 文档目录
├── scripts/ # 脚本目录
├── app.spec # 应用打包配置文件
├── app_launcher.py # 应用启动器脚本
├── build.py # 构建脚本
├── logo.png # 项目图标
├── main.py # 项目主程序
├── pyproject.toml # 项目依赖和配置
├── requirements.txt # Python 依赖文件
├── uv.lock # uv 工具的锁文件
└── ... # 其他文件和目录
.github/: 包含 GitHub 工作流和问题模板等。config/: 包含项目的配置文件,如数据库、邮件通知等设置。docker/: 包含用于 Docker 容器化的 Dockerfile 文件。docs/: 包含项目文档,如本文档。scripts/: 包含项目运行过程中使用的脚本。app.spec: PyInstaller 打包配置文件。app_launcher.py: 启动项目的脚本。build.py: 用于构建和打包项目的脚本。logo.png: 项目图标文件。main.py: 项目的主程序,用于启动服务。pyproject.toml: 包含项目元数据和依赖。requirements.txt: 项目所需的 Python 包列表。
2. 项目的启动文件介绍
项目的主启动文件为 main.py。这个文件负责初始化和启动整个服务。以下是 main.py 的基本内容:
# 导入必要的模块
# ...
def main():
# 配置日志
# ...
# 初始化服务
# ...
# 启动服务
# ...
if __name__ == "__main__":
main()
在 main.py 文件中,通常会包含以下几个步骤:
- 导入必要的 Python 模块和第三方库。
- 配置日志记录,以便跟踪服务的运行状态。
- 初始化服务,包括数据库连接、API 接口等。
- 启动服务,通常是启动一个 Web 服务器。
3. 项目的配置文件介绍
项目的配置文件位于 config/config.yaml。这个文件包含了项目运行所需的各种配置信息,如 API 密钥、数据库连接信息、邮件服务器设置等。以下是 config.yaml 的一个示例结构:
# BilibiliHistoryFetcher 配置文件
# B 站用户认证
SESSDATA: "你的 SESSDATA"
# 邮件通知配置
email:
smtp_server: "smtp.qq.com"
smtp_port: 587
sender: "发件人邮箱"
password: "邮箱授权码"
receiver: "收件人邮箱"
# DeepSeek AI API 配置
deepseek:
api_key: "你的 DeepSeek API 密钥"
api_base: "https://api.deepseek.com/v1"
default_model: "deepseek-reasoner"
# 服务器配置
server:
host: "localhost"
port: 8899
# ...
在 config.yaml 中,需要根据实际情况填写相应的配置信息。这些信息会在项目运行时被读取,用于配置服务器的行为。
在修改配置文件后,通常需要重启服务以使配置生效。
BilibiliHistoryFetcher
获取b站历史记录,保存到本地数据库,可下载对应视频及时存档,生成详细的年度总结,自动化任务部署到服务器实现自动同步,以及自动发送日志邮件,下面链接是对应前端
登录后查看全文
热门项目推荐
相关项目推荐
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
340
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178