如何高效清理B站关注列表?自动化工具让你告别手动操作烦恼
你是否也曾打开B站关注列表时感到眼花缭乱?曾经为了参与活动关注的主播、早已停更的UP主、重复关注的同类账号......这些都让你的关注列表变得臃肿不堪。手动一个个取消关注不仅耗时耗力,还容易遗漏重要账号。本文将为你介绍如何利用BiliBiliToolPro实现关注列表自动化管理,让你的B站体验重回清爽。
1 关注管理的痛点与解决方案对比
1.1 手动管理的三大困境
B站用户在长期使用过程中,关注列表往往会积累大量不再需要的账号。手动管理面临三大主要问题:
- 时间成本高:取消100个关注需要30分钟以上,且需频繁点击确认
- 操作体验差:需要在多个页面间切换,步骤繁琐易出错
- 管理不系统:缺乏批量筛选和分类管理功能,难以按活跃度、兴趣等维度清理
1.2 手动vs自动化对比分析
| 管理方式 | 操作效率 | 准确性 | 时间成本 | 可维护性 |
|---|---|---|---|---|
| 手动操作 | 低(需逐个处理) | 中(易遗漏或误操作) | 高(30分钟/100个) | 低(需定期手动执行) |
| 自动化工具 | 高(批量处理) | 高(精确按规则执行) | 低(配置后自动运行) | 高(一次配置长期有效) |
自动化工具通过预设规则批量处理关注列表,不仅大幅提升效率,还能避免人为操作失误,实现关注列表的持续维护。
2 BiliBiliToolPro批量取关核心功能解析
BiliBiliToolPro是一款B站自动任务工具,支持多种部署方式,其中批量取关功能能够帮助用户高效管理关注列表。该功能的核心价值在于:
- 智能筛选:可按分组、活跃度等条件筛选需要取关的账号
- 安全防护:内置白名单机制保护重要UP主不被误删
- 灵活配置:支持自定义取关数量、频率和策略
- 多平台支持:可在青龙面板、Docker、K8s等多种环境部署
青龙面板中的批量取关任务配置界面,可直观管理任务执行计划
2.1 关键配置参数说明
批量取关功能主要通过以下参数进行配置:
| 参数名称 | 功能说明 | 默认值 | 应用场景 |
|---|---|---|---|
| GroupName | 指定要清理的关注分组 | "天选时刻" | 清理活动期间关注的账号 |
| Count | 每次执行取关的数量 | 20 | 控制单次取关规模,避免操作过于频繁 |
| RetainUids | 保留用户ID列表 | 空 | 保护重要UP主不被误取关 |
这些参数可根据个人需求灵活调整,实现个性化的关注列表管理策略。
3 场景化配置指南:从准备到实施
3.1 准备工作
在开始配置前,需要完成以下准备工作:
-
环境部署:选择适合自己的部署方式
- 新手推荐:青龙面板(操作简单直观)
- 技术用户:Docker或Kubernetes(灵活可控)
-
项目获取:克隆项目代码到本地
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro -
必要配置:设置B站账号Cookie信息
- 在青龙面板中添加环境变量"Ray_BiliBiliCookies"
- 配置推送通知方式(可选,用于接收任务执行结果)
在青龙面板中配置B站Cookie等环境变量
3.2 核心配置步骤
以青龙面板部署为例,配置批量取关任务的步骤如下:
-
创建任务:在青龙面板的"定时任务"页面点击"添加任务"
-
设置基本信息:
- 任务名称:bili批量取关主播
- 命令:
bash bili_task_unfollowBatched.sh - 定时规则:0 12 1 * *(每月1日12点执行)
-
配置取关参数:修改任务脚本中的参数
# 设置取关分组 export UnfollowBatched_GroupName="天选时刻" # 设置每次取关数量 export UnfollowBatched_Count=20 # 设置保留用户ID,多个ID用逗号分隔 export UnfollowBatched_RetainUids="123456,789012" -
保存并启用:点击保存后启用任务,系统将按设定时间自动执行
3.3 扩展优化建议
为了获得更好的使用体验,建议进行以下优化:
- 分阶段执行:首次使用时设置较小的Count值(如5-10)进行测试
- 定期执行:根据关注增长速度设置执行频率,推荐每月1-2次
- 多账号管理:通过配置多个Cookie实现多账号的关注列表管理
- 结果监控:开启推送通知,及时了解任务执行情况
4 效果验证与常见问题解决
4.1 执行效果验证
任务执行后,可以通过以下方式验证效果:
- 查看执行日志:在青龙面板的"任务日志"中查看详细执行过程
- 检查关注列表:登录B站,查看指定分组的关注数量是否减少
- 接收通知信息:如配置了推送,会收到包含取关结果的通知
批量取关任务执行日志示例,展示详细的操作过程和结果
4.2 常见问题解决方案
| 问题现象 | 可能原因 | 解决方法 |
|---|---|---|
| 任务执行失败 | Cookie失效 | 重新获取并更新Cookie |
| 取关数量为0 | 分组名称错误 | 确认GroupName与B站分组名称一致 |
| 重要UP主被取关 | 白名单配置错误 | 检查RetainUids是否正确包含用户ID |
| 任务频繁执行 | 定时规则设置不当 | 调整cron表达式,避免执行过于频繁 |
⚠️ 注意事项:
- 避免一次取关过多账号(建议单次不超过50),防止触发B站限制
- 定期备份保留用户ID列表,防止意外丢失
- 如遇操作失败,可查看日志中的具体错误信息进行排查
5 总结与最佳实践
通过BiliBiliToolPro的批量取关功能,你可以告别繁琐的手动操作,轻松实现关注列表的自动化管理。根据实际使用场景,我们推荐以下最佳实践:
- 新用户:从每月执行一次、每次取关10-20人开始,逐步调整策略
- 重度用户:按兴趣分组管理关注,针对不同分组设置不同取关规则
- 内容创作者:利用保留用户ID功能,确保不误取关重要的合作账号
关注列表的清爽不仅能提升B站使用体验,还能让你更容易发现感兴趣的内容。现在就开始配置属于你的批量取关任务,让B站关注列表重获新生!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00


