颠覆传统!bilibili-downloader黑科技:让B站视频下载自动化,从此告别手动操作
你是否曾为错过关注UP主的新视频而懊恼?是否还在手动一个个下载喜欢的视频?现在,bilibili-downloader来了!这款强大的工具能帮你自动下载B站关注UP主的视频,让视频保存变得轻松简单,彻底解放你的双手。
通勤党必看:如何自动缓存本周更新?
想象一下,每天上班通勤路上想看B站视频,却发现关注的UP主更新了好几个视频,手动下载根本来不及。有了bilibili-downloader,你再也不用担心这个问题。它就像你的专属视频管家,实时监控你关注的UP主动态,一旦有新视频发布,就会自动下载到你的设备里。这样,你下班回家就能直接观看,再也不用在通勤路上着急忙慌地找视频了。
视频收藏家福音:怎样轻松打造个人视频库?
作为一个视频收藏爱好者,你是不是总担心喜欢的视频突然被下架?手动保存又太麻烦,而且容易遗漏。bilibili-downloader就是你的救星!它支持自定义存储路径,你可以把下载的视频按照自己的喜好分类整理,打造一个属于自己的视频资料库。从此,再也不用担心喜欢的视频消失不见,随时都能回顾精彩内容。
图为bilibili-downloader的管理页面,可进行视频下载相关设置,助力视频保存
零代码配置,5分钟上手:小白也能轻松使用
你可能会觉得这样的黑科技工具操作起来很复杂,需要懂代码才能配置。但bilibili-downloader完全不同,它采用零代码配置,5分钟就能轻松上手。你只需要简单几步设置,就能让工具开始工作。
首先,准备好Node.js (v14.0.0或更高版本)、FFmpeg和SQLite3这些必要的工具。然后克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/bili/bilibili-downloader
cd bilibili-downloader
接着安装依赖并构建项目:
# 安装依赖
npm install
# 构建项目
npm run build
最后启动程序:
# 普通启动
npm run start
# 或使用PM2后台运行
pm2 start ./ecosystem.config.js
启动后通过Web界面进行简单配置,比如设置视频时长限制、保存方式、存储路径等,一切就搞定啦!
常见问答
🔍 Q: 程序需要一直运行吗? A: 是的,为了保证不错过任何更新,建议24小时运行程序。你可以使用PM2等工具进行进程管理,确保程序在后台稳定运行。
💡 Q: 下载的视频保存在哪里? A: 默认保存在项目根目录的downloads文件夹下,你可以在Web界面中修改存储路径,按照自己的需求进行设置。
📌 Q: 是否支持多账号登录? A: 目前暂不支持多账号同时登录,但你可以通过切换账号配置文件的方式实现多账号管理。
图为bilibili-downloader的运行界面,显示视频下载过程,体现自动下载功能
还在等什么?赶快试试bilibili-downloader,体验自动下载B站视频的便捷吧!让它帮你轻松管理和保存喜欢的视频,告别繁琐的手动操作,享受科技带来的便利。现在就行动起来,开启你的自动化视频下载之旅!
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 StartedRust062
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00