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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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