BilibiliHistoryFetcher 使用教程
2026-01-31 04:30:20作者:劳婵绚Shirley
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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
523
3.71 K
Ascend Extension for PyTorch
Python
328
384
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++
876
577
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
335
161
暂无简介
Dart
762
187
🎉 (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
1.33 K
745
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
React Native鸿蒙化仓库
JavaScript
302
349
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
112
135