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。
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 StartedRust0154- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112