news 2026/4/16 12:40:42

BilibiliHistoryFetcher:本地数据库驱动的B站观看分析与数据导出工具

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
BilibiliHistoryFetcher:本地数据库驱动的B站观看分析与数据导出工具

BilibiliHistoryFetcher:本地数据库驱动的B站观看分析与数据导出工具

【免费下载链接】BilibiliHistoryFetcher获取b站历史记录,保存到本地数据库,可下载对应视频及时存档,生成详细的年度总结,自动化任务部署到服务器实现自动同步,以及自动发送日志邮件,下面链接是对应前端项目地址: https://gitcode.com/gh_mirrors/bi/BilibiliHistoryFetcher

你是否想过,你的B站观看历史里藏着多少未被发现的趣味数据?BilibiliHistoryFetcher正是这样一款能将零散观看记录转化为可视化报告的开源工具。通过将数据安全存储在本地数据库,它不仅能帮你统计观看时长、分析内容偏好,还能生成专业的年度总结报告,让每一次点击都成为可追溯的数字记忆。

功能特性:探索你的B站数据宇宙

数据掌控:从云端到本地的安全存储

尝试这样做:当你在B站看完一个视频,系统会自动将观看记录加密保存到本地数据库。这意味着即使在没有网络的环境下,你依然可以随时查阅历史数据,不必担心平台数据清理或隐私泄露的风险。

智能分析:让数据说出观看习惯

通过直观的可视化报告,你可以发现:

  • 每周哪些时段你观看视频最频繁
  • 不同类型视频的观看占比分布
  • 年度观看时长最长的UP主排名
  • 观看内容随季节变化的趋势曲线

数据导出:如何导出Excel报表

在左侧菜单栏找到【数据管理】模块,点击【导出数据】按钮,即可将分析结果保存为Excel或CSV格式。导出选项支持按时间范围筛选、选择特定分析维度,满足个性化数据处理需求。

自动化同步:设置一次,自动更新

通过系统设置中的【任务调度】功能,你可以配置每日自动同步任务。系统会在指定时间悄悄更新最新观看记录,让你的数据始终保持最新状态,无需手动操作。

场景应用:这些功能如何解决实际问题

场景一:年度总结报告生成

用户需求:年底想制作一份个人B站年度观看报告,包含观看时长、最爱UP主、深夜观看习惯等数据。

解决方案

  1. 在主界面点击【年度报告】模块
  2. 选择要生成报告的年份
  3. 勾选需要包含的分析维度(时长统计/UP主排名/时段分析等)
  4. 点击【生成报告】,系统将自动生成HTML格式的交互式报告
  5. 通过【导出为PDF】功能保存报告,可打印或分享

场景二:视频收藏与本地备份

用户需求:担心收藏的视频被下架,希望能自动备份喜欢的内容。

解决方案

  1. 在【设置】中配置视频存储路径
  2. 开启【自动备份收藏视频】选项
  3. 设置备份清晰度和存储空间限制
  4. 系统将在检测到新收藏视频时自动启动下载

场景三:儿童观看行为管理

用户需求:家长想了解孩子在B站的观看内容,控制观看时长。

解决方案

  1. 在【家庭管理】中创建儿童账号
  2. 设置每日观看时长限制和内容过滤规则
  3. 开启观看记录实时同步
  4. 通过【观看分析】查看孩子的内容偏好,及时发现不良内容

配置指南:从零开始使用工具

准备工作:获取与安装

📌 第一步:获取项目代码

git clone https://gitcode.com/gh_mirrors/bi/BilibiliHistoryFetcher cd BilibiliHistoryFetcher

📌 第二步:安装依赖

pip install -r requirements.txt

核心配置:如何填写config.yaml

打开config/config.yaml文件,按以下说明配置关键参数:

参数名称作用示例值
SESSDATAB站用户认证信息"abcdef1234567890"
email.smtp_server邮件服务器地址"smtp.qq.com"
email.smtp_port邮件服务器端口587
deepseek.api_keyAI分析功能密钥"sk-xxxxxxxxxxxxxxxx"
server.port服务运行端口8899

启动服务:简单两步即可开始

  1. 完成配置后,在项目根目录执行:
python main.py
  1. 打开浏览器访问 http://localhost:8899 进入系统

高级拓展:释放工具全部潜力

智能分析模块在哪里

在左侧导航栏的【高级功能】下拉菜单中,选择【AI分析】即可进入智能分析模块。这里提供:

  • 视频标题语义分析
  • 观看内容情感倾向识别
  • 潜在兴趣推荐
  • 内容质量评分

如何实现服务器自动部署

对于有服务器的用户,可以通过以下步骤实现24小时自动运行:

  1. 安装Docker和docker-compose
  2. 修改docker-compose.yml中的配置参数
  3. 执行启动命令:
docker-compose up -d
  1. 系统将在后台持续运行,自动同步数据并发送日志

个性化数据可视化

通过【自定义仪表盘】功能,你可以:

  • 拖拽添加不同类型的图表组件
  • 设置数据刷新频率
  • 调整配色方案
  • 保存多个仪表盘方案

常见问题:解决使用中的困惑

如何获取SESSDATA值?

  1. 打开浏览器,登录B站
  2. 按F12打开开发者工具
  3. 切换到Application或Storage标签
  4. 在Cookies中找到SESSDATA项,复制其值

服务启动后无法访问怎么办?

  • 检查端口是否被占用:netstat -tlnp | grep 8899
  • 尝试修改config.yaml中的server.port参数
  • 检查防火墙设置是否允许该端口访问

数据同步失败如何处理?

  • 确认SESSDATA是否过期,重新获取并更新
  • 检查网络连接是否正常
  • 查看日志文件(logs/app.log)寻找错误信息
你可能还想了解
技巧1:如何迁移本地数据库

将data目录下的sqlite文件复制到新设备的相同路径,即可完整迁移所有数据。

技巧2:自定义分析报告模板

编辑config/template.html文件,可以自定义年度报告的样式和内容模块。

技巧3:批量下载历史视频

在【历史记录】页面勾选需要下载的视频,点击【批量操作】-【下载选中】即可。

通过BilibiliHistoryFetcher,你不仅能掌控自己的观看数据,更能发现隐藏在点击背后的行为模式。无论是制作年度总结、管理内容消费,还是保护数字记忆,这款工具都能成为你的得力助手。现在就开始探索,让每一次观看都留下有价值的印记。

【免费下载链接】BilibiliHistoryFetcher获取b站历史记录,保存到本地数据库,可下载对应视频及时存档,生成详细的年度总结,自动化任务部署到服务器实现自动同步,以及自动发送日志邮件,下面链接是对应前端项目地址: https://gitcode.com/gh_mirrors/bi/BilibiliHistoryFetcher

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/15 13:16:40

从0到1搭建基于LLM的智能客服系统:技术选型与实战避坑指南

背景痛点:规则引擎为何“听不懂人话” 过去两年,我维护过一套基于正则关键词的客服系统。用户问“我昨天买的手机能退吗”,规则要写“退|退货|退款|能不能退”,一旦用户换成“想把手上的新机退了”,规则立刻抓瞎。更糟…

作者头像 李华
网站建设 2026/4/3 20:43:55

解锁Automa数据抓取高效工作流:零基础掌握网页信息提取技巧

解锁Automa数据抓取高效工作流:零基础掌握网页信息提取技巧 【免费下载链接】automa 项目地址: https://gitcode.com/gh_mirrors/aut/automa Automa数据抓取是一款无需编程基础即可实现网页数据提取的可视化工具,通过拖拽式操作让用户轻松构建自…

作者头像 李华
网站建设 2026/4/8 9:36:25

Redis可视化工具效率提升实战指南:从入门到精通

Redis可视化工具效率提升实战指南:从入门到精通 【免费下载链接】RedisInsight Redis GUI by Redis 项目地址: https://gitcode.com/GitHub_Trending/re/RedisInsight Redis作为高性能的内存数据库,其命令行操作模式对新手不够友好,而…

作者头像 李华
网站建设 2026/4/3 4:40:19

PP-OCRv3_server_det:高效文本检测模型快速部署指南

PP-OCRv3_server_det:高效文本检测模型快速部署指南 【免费下载链接】PP-OCRv3_server_det 项目地址: https://ai.gitcode.com/paddlepaddle/PP-OCRv3_server_det 导语 百度飞桨团队推出的PP-OCRv3_server_det文本检测模型,凭借其服务器级优化设…

作者头像 李华