BilibiliHistoryFetcher 使用教程
2026-01-31 04:30:20作者:劳婵绚Shirley
1. 项目介绍
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。该项目提供了完整的数据处理流程,包括从数据获取到可视化展示,并且支持自动化运行和邮件通知。
2. 项目快速启动
安装依赖
首先,确保您的系统中已经安装了以下依赖:
- Python 3.10+
- SQLite 3
- FFmpeg(用于视频下载)
- 必要的 Python 包(见 requirements.txt)
使用 Docker 启动
构建 Docker 镜像
根据您的系统选择以下命令构建 Docker 镜像:
# 使用 NVIDIA 显卡
docker build -t bilibili-api:dev -f docker/Dockerfile.cuda
# 使用 CPU
docker build -t bilibili-api:dev -f docker/Dockerfile.cpu
创建 Docker 容器
使用以下命令创建 Docker 容器:
# 使用 NVIDIA 显卡
docker run -d -v ./config:/app/config -v ./output:/app/output -p 8899:8899 --gpus all --ipc=host --ulimit memlock=-1 --ulimit stack=67108864 --name bilibili-api bilibili-api:dev
# 使用 CPU
docker run -d -v ./config:/app/config -v ./output:/app/output -p 8899:8899 --name bilibili-api bilibili-api:dev
使用 uv 启动
安装 uv
在项目根目录运行以下命令安装 uv:
uv sync
运行程序
使用以下命令运行程序:
uv run main.py
配置文件
在 config/config.yaml 中配置以下信息:
- B 站用户认证
SESSDATA - 邮件通知配置
- DeepSeek AI API 配置
- 服务器配置
启动服务
配置完成后,使用以下命令启动服务:
python main.py
3. 应用案例和最佳实践
- 获取历史记录:使用该项目可以轻松获取用户的观看历史记录,并进行数据分析。
- 生成年度总结:项目可以自动化生成详细的年度观看总结报告。
- 视频下载:支持批量下载用户投稿视频以及收藏夹中的所有视频。
- 自动化任务:项目提供了任务调度器,可以配置自动化任务。
4. 典型生态项目
BilibiliHistoryFetcher 可以与以下项目结合使用,以扩展其功能:
- BilibiliHistoryAnalyzer:用于分析哔哩哔哩用户历史记录的前端项目。
- Yutto:一个可爱的 B 站视频下载工具。
- FasterWhisper:用于音频转文字的工具。
通过这些典型的生态项目,用户可以更全面地管理和分析自己在哔哩哔哩的观看行为。
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 StartedRust098- 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
项目优选
收起
暂无描述
Dockerfile
703
4.51 K
Ascend Extension for PyTorch
Python
568
694
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
558
98
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++
957
955
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
412
338
🎉 (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
1.6 K
940
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
566
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
210
暂无简介
Dart
948
235
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387