Bilimiao2项目中的B站分区视频历史数据获取API解析
在Bilimiao2开源项目中,开发者实现了一个名为"时光机"的功能,用于获取B站(Bilibili)各分区过去特定时间范围内的视频数据。本文将深入分析该项目使用的B站API接口及其技术实现细节。
旧版Web端API接口
Bilimiao2主要使用了B站旧版Web端的搜索API来获取分区历史视频数据。该API端点位于s.search.bilibili.com域名下,采用GET请求方式,无需任何认证即可调用。
核心请求参数
该API包含多个关键参数,开发者需要正确组合这些参数才能获取到有效数据:
- main_ver:固定值为"v3",表示API版本
- search_type:固定为"video",指定搜索类型为视频
- view_type:固定为"hot_rank",表示热度排名视图
- copy_right:固定为"-1",版权相关参数
- cate_id:数字类型,指定要查询的分区ID
- order:排序方式,可选值包括click(点击量)、scores(评分)、stow(收藏)、coin(硬币)、dm(弹幕)
- page:页码,用于分页查询
- pagesize:每页返回的视频数量
- time_from:起始时间,格式为YYYYMMDD
- time_to:结束时间,格式为YYYYMMDD
典型请求示例
一个完整的API请求示例如下:查询动画分区(分区ID为24)在2024年5月25日至2024年6月24日期间按点击量排序的视频数据,返回第一页的30条记录。
新版Web端API接口
B站还提供了新版Web端API,位于api.bilibili.com域名下。该接口与旧版功能相似,但增加了一个new_web_tag参数,值为1,表示使用新版接口。其他参数与旧版基本一致。
APP端搜索API
B站移动端也提供了相关搜索API,采用gRPC协议,接口名为bilibili.polymer.app.search.v1.SearchAll。这个接口同样支持按时间范围搜索,但需要额外提供搜索关键字参数,不如Web端API灵活。
技术实现分析
在Bilimiao2项目的代码结构中,相关API调用逻辑主要实现在RegionAPI.kt文件中。开发者通过构建包含上述参数的HTTP请求,向B站服务器获取数据,然后解析返回的JSON格式响应,最终呈现给用户。
值得注意的是,这类API通常没有公开文档,是开发者通过分析B站网页和APP的网络请求逆向工程得出的。这种实现方式虽然有效,但存在一定风险,因为B站可能会随时更改API接口或参数要求。
使用建议
对于需要批量获取B站历史视频数据的开发者,建议:
- 合理设置分页参数,避免单次请求数据量过大
- 控制请求频率,防止被B站服务器限制访问
- 做好异常处理,应对API变更或不可用情况
- 考虑使用官方提供的开放API(如果有)作为替代方案
通过Bilimiao2项目的实现,我们可以看到如何有效地利用B站的未公开API来获取特定时间范围内的分区视频数据,为视频分析和数据挖掘提供了便利。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00