Bilibili Analyzer

Bilibili Analyzer

Description

B站视频、合集/系列与多P视频内容分析工具。提供视频、合集/系列 URL 或多P视频链接后，自动下载视频、拆解成帧图片，并优先获取平台字幕；若字幕不可用，则直接分析视频提取的关键帧，生成高质量的专题文档或实操教程。

支持两种模式：

• 单视频模式：只分析当前一个视频；如果当前链接属于多P视频，则只分析当前这一P，生成 视频分析.md
• 合集模式：统一表示“多视频 / 多P 范围分析”。可用于分析 UGC 合集、系列视频，或当前多P视频的全部P；最终生成 合集视频分析.md 或 分P视频分析.md

这个 skill 的内部实现基于 Python：先通过 Bilibili 公共接口下载视频，再抽取原始帧到 images_raw/，按相邻帧相似度做去重并输出关键帧到 images/；随后优先获取平台字幕，字幕不可用时直接进入关键帧图片分析；最后将可用文本主线与关键帧分析结果重组为可直接阅读或执行的 Markdown 文档。

核心特点:

• 不是简单的时间线记录，而是重新组织整理成一篇完整的文档
• 实操类视频 → 生成可直接使用的操作教程
• 知识类视频 → 生成结构化的专题文档
• 字幕优先，字幕不可用时直接进入图片分析，由关键帧提供视觉证据
• 基础流程使用 Python 直接调用 Bilibili 公共接口下载视频，不依赖 .NET
• 保留 images_raw/ 原始帧，并将去重后的关键帧输出到 images/
• 报告中插入关键截图，使用 ![描述](./images/frame_xxxx.jpg) 格式
• 自动判断当前请求是“单视频范围”还是“多视频 / 多P 范围”，并处理合集、系列与多P嵌套场景

Source & Documentation

Installation

1. 安装 Python

建议使用 Python 3.10 或更高版本。

验证安装:

python3 --version

环境说明：部分环境只提供 python3 命令而没有 python。若 python 不可用，请把下文所有命令中的 python 替换为 python3。

2. 安装 Python 依赖

推荐在虚拟环境中安装：

python3 -m venv .venv
source .venv/bin/activate
python3 -m pip install --upgrade pip
python3 -m pip install opencv-python-headless pillow ImageHash imageio-ffmpeg

Windows PowerShell:

python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
python -m pip install opencv-python-headless pillow ImageHash imageio-ffmpeg

说明：

• opencv-python-headless 负责读取视频并按目标 fps 抽帧
• pillow 与 ImageHash 用于计算相邻帧 pHash
• imageio-ffmpeg 提供 ffmpeg，用于合并 DASH 高清视频流与音频流（也可使用系统安装的 ffmpeg）
• collection.py、resolve_scope.py 与 text_prepare.py 仅使用 Python 标准库访问 Bilibili 接口与字幕数据
• 本 skill 不要求安装 .NET

3. 网络代理（按需）

所有脚本在启动时会先做一次轻量网络自检：若无法连接 Bilibili，会立即终止并提示可能需要配置代理，以节约时间/成本。

若当前环境需要代理，请在运行命令前设置标准环境变量（urllib 会自动使用）：

export http_proxy=http://<proxy-host>:<port>
export https_proxy=http://<proxy-host>:<port>

4. 登录 Cookie（按需，用于高清/会员/付费内容）

匿名请求只能拿到较低清晰度或受限内容。若需要下载高清、会员或付费番剧，可提供登录 Cookie（至少包含 SESSDATA）：

# 方式一：直接提供 Cookie 字符串
export BILI_COOKIE="SESSDATA=xxxx; bili_jct=yyyy"

# 方式二：从文件读取（推荐）
export BILI_COOKIE_FILE=/path/to/bili_cookie.txt

脚本会自动把 Cookie 注入所有 Bilibili 接口请求。

Cookie 文件模板

当需要用户提供 Cookie 时，请让用户严格按以下模板格式提供（模板文件见 templates/bili_cookie.example.txt）。文件中以 # 开头的注释行会被自动忽略，只需保留末尾一行 key=value; ...：

SESSDATA=<你的SESSDATA>; bili_jct=<你的bili_jct>; DedeUserID=<你的DedeUserID>; DedeUserID__ckMd5=<你的DedeUserID__ckMd5>

获取方法：登录 https://www.bilibili.com → 按 F12 → Application/应用 → Cookies → https://www.bilibili.com，复制对应字段的 Value。

安全提醒：Cookie 等同于登录凭证，请勿提交到仓库或分享；SESSDATA 通常约一个月过期，过期后需重新获取。

Scope

• 输入是 B站/bilibili 视频或合集链接，输出目标是专题文档、实操教程、课程笔记或结构化知识整理
• 支持单个视频、UGC 合集 / 系列视频，以及多P视频全部分P的批量分析
• 支持番剧 / PGC 链接（bangumi/play/ep{id} 单集、bangumi/play/ss{id} 整季）
• 高清优先：下载时优先请求 DASH（fnval=4048），选取最佳视频流与音频流并用 ffmpeg 合并；无 DASH 时回退到 durl 单段
• 支持“字幕优先 -> 图片兜底”的内容理解链路
• 适合把视频内容重组成可阅读、可复用的文档，而不是保留时间线流水账
• 不适用于纯字幕提取、逐句转录，或只做简短摘要的场景

Internal Workflow

• 先根据用户措辞判断当前请求是“单视频模式”还是“合集模式”
• 使用 scripts/resolve_scope.py 把原始 URL 解析成最终要处理的明确单元（单视频、当前P、当前 BV 的全部P、整个合集 / 系列）
• scripts/prepare.py 只处理 resolver 产出的明确视频 URL 或明确 ?p= page URL，并按设定 fps 抽取原始帧到 images_raw/
• scripts/text_prepare.py 只处理 resolver 产出的明确视频 URL 或明确 ?p= page URL，优先获取平台字幕；字幕不可用时直接进入仅图片模式
• 对相邻帧执行基于 ImageHash 的相似度去重，将保留帧输出到 images/
• 结合 text_segments.json 与关键帧分析结果，按主题重组内容并生成 视频分析.md
• 合集模式下，将各视频或各P的 视频分析.md 先按底层单元合并，再根据目标范围生成 合集视频分析.md 或 分P视频分析.md
• 需要时保留 metadata.json、frames.json、subtitles.json、text_segments.json 等中间产物，便于后续核对时间轴与图片来源

Provided Scripts

本 skill 提供了四个脚本：

scripts/resolve_scope.py — 统一解析最终处理范围

用于把用户提供的原始 URL 和当前模式（single / collection）解析成最终应该处理的明确单元列表。

它负责：

• 解析 b23.tv 短链接
• 判断当前输入是合集 / 系列总链接、普通视频链接、当前P链接还是多P总链接
• 识别番剧 / PGC 链接：ep{id} 单集、ss{id} 整季；单视频模式下只取当前（或第一）集，合集模式下展开整季全部剧集
• 在单视频模式下，把总链接下沉到第一个可分析单元
• 在合集模式下，决定是处理整个合集 / 系列，还是处理当前 BV 的全部P
• 展开合集 / 系列中嵌套的多P子视频，给出完整目标结构

运行方式: 使用 Python 直接执行

使用方法

# 单视频模式
python scripts/resolve_scope.py "<URL>" --mode single

# 合集模式
python scripts/resolve_scope.py "<URL>" --mode collection

关键输出字段

重要说明：

• 后续执行 prepare.py / text_prepare.py 时，优先使用 resolve_scope.py 输出的 targets[*].url
• 不要直接把多P总链接传给 prepare.py / text_prepare.py

scripts/prepare.py — 视频下载与拆帧

用于下载单个明确视频单元、提取原始帧并输出去重后的关键帧。

运行方式: 使用 Python 直接执行

使用方法

# 基本用法
python scripts/prepare.py "<视频URL>" -o <输出目录>

# 示例
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output

# 明确处理某个分P
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD?p=2" -o ./output-p2

# 长视频（降低帧率）
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --fps 0.5

多P注意：如果目标视频是多P视频，必须先通过 resolve_scope.py 得到明确的 ?p= URL，再传给 prepare.py。prepare.py 不再接受模糊的多P总链接。

番剧注意：prepare.py 支持 bangumi/play/ep{id} 单集链接；下载时优先 DASH 高清（fnval=4048）并用 ffmpeg 合并音视频，无 DASH 时回退到 durl 单段。

参数说明

相似帧去重

脚本会自动对相邻帧进行相似度检测，去除相似度超过阈值（默认80%）的重复帧：

• 使用 ImageHash 的 pHash 计算感知相似度
• 只比较相邻帧，不会跨帧比较
• 原始抽帧保留在 images_raw/ 中
• 去重后将保留帧复制到 images/，并自动重新编号（frame_0001.jpg, frame_0002.jpg, ...）
• frames.json 会记录最终帧对应的 source_file、时间戳和相邻相似度
• 可通过 --similarity 0.85 调整阈值
• 可通过 --no-dedup 禁用去重

输出结构

<输出目录>/
├── video.mp4           # 下载的视频文件
├── images_raw/         # 按 fps 抽取的全部原始帧
│   ├── frame_0001.jpg
│   ├── frame_0002.jpg
│   └── ...
├── images/             # 去重后的关键帧
│   ├── frame_0001.jpg
│   ├── frame_0002.jpg
│   └── ...
├── metadata.json       # 视频元数据与帧统计
└── frames.json         # 保留帧索引与 source_file 映射

scripts/collection.py — 合集检测与视频列表提取

用于检测 URL 是单视频还是合集 / 系列，并输出结果 JSON。这个脚本现在更适合作为 resolver 的父级列表获取器 使用。

运行方式: 使用 Python 直接执行

使用方法

python scripts/collection.py "<URL>"

支持的 URL 格式

输出格式

单视频:

{
  "type": "single",
  "bvid": "BV1xx411c7mD",
  "title": "视频标题",
  "url": "https://www.bilibili.com/video/BV1xx411c7mD"
}

合集（通过 BV 链接检测到 UGC 合集）:

{
  "type": "collection",
  "source": "ugc_season",
  "collection_title": "合集标题",
  "total": 5,
  "also_in_series": true,
  "series_info": {"collection_title": "系列标题", "total": 5},
  "videos": [
    {"bvid": "BV1aaa", "title": "第1集", "url": "https://www.bilibili.com/video/BV1aaa", "duration": 600},
    {"bvid": "BV1bbb", "title": "第2集", "url": "https://www.bilibili.com/video/BV1bbb", "duration": 720}
  ]
}

合集（通过合集页面 URL）:

{
  "type": "collection",
  "source": "collection_page",
  "collection_title": "合集标题",
  "total": 5,
  "videos": [...]
}

合集（通过系列页面 URL）:

{
  "type": "collection",
  "source": "series_page",
  "collection_title": "系列标题",
  "total": 5,
  "videos": [...]
}

多P说明

collection.py 只负责合集 / 系列检测，不负责多P总列表枚举。多P视频请通过 view API 的 pages 字段判断与展开：

• pages <= 1：普通单P视频
• pages > 1 且 URL 含 ?p=：当前P链接
• pages > 1 且 URL 不含 ?p=：多P总链接

scripts/text_prepare.py — 字幕优先 / 图片兜底的文本准备

用于为后续内容理解准备文本主线。它遵循以下优先级：

1. 优先使用平台字幕
2. 字幕不可用时，返回仅图片模式

运行方式: 使用 Python 直接执行

使用方法

# 基本用法
python scripts/text_prepare.py "<视频URL>" -o <输出目录>

# 明确处理某个分P
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1xx411c7mD?p=2" -o ./output-p2

参数说明

多P注意：如果目标视频是多P视频，必须先通过 resolve_scope.py 得到明确的 ?p= URL，再传给 text_prepare.py。text_prepare.py 不再接受模糊的多P总链接。

输出模式

字幕模式：如果平台字幕可用，输出：

{
   "mode": "subtitle",
   "subtitle_count": 120,
   "files": {
      "subtitles_json": "/abs/output/subtitles.json",
      "subtitles_txt": "/abs/output/subtitles.txt",
      "text_segments_json": "/abs/output/text_segments.json"
   }
}

仅图片模式：如果字幕不可用，输出：

{
   "mode": "image_only",
   "reason": "subtitle_unavailable"
}

中间产物说明

Workflow (Prompt)

你是一个视频内容分析助手。当用户提供B站视频、合集/系列链接或多P视频链接时，按以下步骤执行：

Step 0: 判断单视频模式 / 合集模式

先把用户请求映射成两种范围之一：

• 单视频模式：只分析当前一个视频；如果当前链接属于多P视频，则只分析当前这一P
• 合集模式：统一表示“多视频 / 多P 范围分析”，包括合集、系列、批量视频、全集、分P全部等语义

0A. 先判断用户意图属于哪一类

合集模式关键词："合集"、"视频合集"、"UGC合集"、"系列视频"、"全集"、"分P全部"、"B站合集分析"、"合集转文档"、"分析整个合集"、"批量分析视频"、"分析合集视频" 等。

规则：

• 只要用户请求语义明确落在上面这些“多视频 / 多P 范围”关键词中，就进入合集模式
• 其余情况默认进入单视频模式

0B. 再判断链接本身属于哪一类

需要区分 4 种链接：

1. 合集 / 系列总链接

• 例如 space.bilibili.com/{mid}/channel/collectiondetail?sid=...
• 例如 space.bilibili.com/{mid}/channel/seriesdetail?sid=...

2. 普通视频链接

• 例如 https://www.bilibili.com/video/BVxxx
• 可能是普通单P视频，也可能是合集/系列中的某一个视频

3. 当前P链接

• 例如 https://www.bilibili.com/video/BVxxx?p=2

4. 多P总链接

• view API 中 pages > 1
• 用户提供的是 BV 链接本身，但 URL 不带 ?p=

判断方法：

1. 如有 b23.tv 短链接，先解析到最终 URL
2. 如果是 space.bilibili.com 的合集 / 系列页面，直接视为“合集 / 系列总链接”
3. 如果是 BV 链接，先调用 view API 读取 pages
4. 若 pages > 1 且 URL 含 ?p= → 视为“当前P链接”
5. 若 pages > 1 且 URL 不含 ?p= → 视为“多P总链接”
6. 如需判断当前 BV 是否属于合集 / 系列，再调用 collection.py

0C. 单视频模式的路由规则

对应场景：

• 用户在单视频模式下提供了合集 / 系列中的某一个视频链接 → 正常分析当前这一个视频
• 用户在单视频模式下提供了多P视频中的某一个 ?p= 链接 → 正常分析当前这一P
• 用户在单视频模式下提供了合集 / 系列 / 多P 的总链接 → 正常下沉到第一个可分析单元（第一个视频或第一P）

A.2 补充要求：

• 当单视频模式命中合集 / 系列 / 多P的总链接并触发自动下沉时，必须先向用户展示当前处理逻辑，明确说明：
  • 原始链接被识别成了哪一种总链接（合集 / 系列总链接，或多P总链接）
  • 当前将按什么规则下沉（第一个视频，或第一P）
  • 最终将处理的具体单元是什么（例如“将分析合集中的第一个视频 XXX”或“将分析当前多P视频的第1P：XXX”）
  • 用户若希望处理范围不同，应使用什么措辞（例如“分P全部”“分析整个合集”）

0D. 合集模式的路由规则

合集模式下，先看用户提供的链接落在嵌套结构的哪一层，并始终优先处理“用户当前指到的最底一层完整单元”。

嵌套处理规则：

• 如果用户提供的链接本身就落在多P视频这一层，即使这个多P视频还属于更外层合集 / 系列，也只处理当前 BV 的全部P
• 如果用户提供的是合集 / 系列中的其他视频链接，且这个合集 / 系列里另外某些视频是多P视频，则仍按整个合集 / 系列处理，但要提前提醒用户：后续会把这些多P子视频展开成全部P一起分析

0E. 执行步骤

1. 先根据用户措辞判断是单视频模式还是合集模式
2. 调用 resolve_scope.py 得到最终处理范围：

# 单视频模式
python scripts/resolve_scope.py "<URL>" --mode single

# 合集模式
python scripts/resolve_scope.py "<URL>" --mode collection

3. 读取 resolver 输出中的 input_link_type、resolved_scope、display_logic、targets
4. 如果 resolver 在单视频模式下触发了“总链接自动下沉”，先把 display_logic 明确展示给用户，再继续分析
5. 如果 resolver 输出的是合集 / 系列或“当前 BV 的全部P”，则基于 targets 生成目录结构并在开始处理前展示给用户
6. 后续调用 prepare.py / text_prepare.py 时，只使用 resolver 输出的明确 targets[*].url

全局 Step 1: 下载视频并拆帧

使用提供的脚本下载视频并拆解成帧图片：

python scripts/prepare.py "<视频URL>" -o <输出目录>

注意事项:

• 短视频（<10分钟）: 使用默认 --fps 1
• 中等视频（10-30分钟）: 使用 --fps 0.5
• 长视频（>30分钟）: 使用 --fps 0.2

全局 Step 2: 准备文本主线（字幕优先，缺失时直接图片分析）

在抽帧完成后，立即为视频准备文本上下文：

python scripts/text_prepare.py "<视频URL>" -o <输出目录>

优先级规则:

1. 如果平台字幕可用 → 使用字幕作为主文本来源
2. 如果字幕不可用 → 进入仅图片模式

执行要求:

• 无需额外文本回退参数，默认按“字幕 -> 图片”执行
• 如果返回 mode=subtitle，后续分析时必须先读取 text_segments.json
• 如果返回 mode=image_only，后续退回纯图片分析流程

文本链路原则:

• 字幕负责提供“讲了什么”“步骤顺序是什么”“口播解释是什么”
• 图片负责提供“画面上具体出现了什么”“代码/UI/报错是否真实出现”
• 没有字幕时，不要伪造口播内容，直接以图片和界面证据组织文档

全局 Step 3: 联合分析文本与关键帧

根据 text_prepare.py 的输出模式执行内容分析。

任务拆分方式:

• 默认模式：在当前会话中顺序执行分批分析，不使用 SubAgent/Task 工具
• SubAgent 模式：使用 Task 工具并行分批分析（仅当用户在请求时指定时启用）

用户可通过 "使用subagent"、"并行分析"、"用task分析" 等关键词启用 SubAgent 模式。

分批策略（根据总图片数动态计算）:

计算公式:

总图片数 <= 30: 1 批
总图片数 <= 60: 2 批
总图片数 <= 120: 3 批
总图片数 <= 200: 4 批
总图片数 > 200: 5 批

每批图片数 = 总图片数 / 分批数量（向上取整）

示例：假设有 85 张图片 → 分 3 批

批次 1: 分析 frame_0001.jpg ~ frame_0029.jpg（29张）
批次 2: 分析 frame_0030.jpg ~ frame_0058.jpg（29张）
批次 3: 分析 frame_0059.jpg ~ frame_0085.jpg（27张）

全局 Step 3.1: 先读文本主线

如果 text_prepare.py 返回 mode=subtitle：

1. 先读取 <输出目录>/text_segments.json
2. 总结视频的主叙事、章节脉络、口播重点
3. 识别每个阶段需要哪些关键帧来支撑文本内容

如果返回 mode=image_only：

1. 直接跳到图片分析
2. 不要伪造字幕、不要编造口播内容

全局 Step 3.2: 分批分析关键帧

多模态分析 Prompt 模板:

结合 <输出目录>/text_segments.json（如果存在）与 <输出目录>/images/ 目录下的 frame_0001.jpg 到 frame_0020.jpg（共20张图片）进行分析。

【你的目标】
1. 先用文本主线理解这一段主要在讲什么
2. 再核对每张图片里真实出现了什么
3. 记录代码、UI、终端输出、错误信息、按钮位置、页面变化等视觉证据
4. 标注“文本说了什么”与“画面展示了什么”是否一致
5. 如果文本没有覆盖某张图，就只根据图片描述该图
6. 如果文本与图片冲突，要明确写出冲突，不要强行合并

【输出格式】

## 本批摘要
- 文本主线: [如果存在文本，就总结该批次讲解重点；否则写“无文本主线，仅图片分析”]
- 关键视觉主题: [这一批图片主要展示什么]

## frame_0001.jpg
- 文本关联: [对应的字幕内容；若无则写“无”]
- 场景: [代码编辑器/终端/浏览器/PPT/对话/其他]
- 视觉内容: [详细描述界面、布局、正在展示的内容]
- 画面文字/代码:

[图片中实际可见的文字、代码、命令、输出]

- 一致性判断: [一致/补充/冲突]
- 要点: [这张图对最终文档最重要的信息]

## frame_0002.jpg
...

【注意】
- 不要伪造字幕或口播内容
- 代码和 UI 名称优先以画面为准
- 概念解释和步骤顺序优先参考字幕
- 任何冲突都要显式标注

分析要点:

1. 如果存在字幕，先建立语义主线，再让图片补强
2. 如果不存在字幕，只依据图片进行分析
3. 记录每张图片的关键信息，并标注重要帧号
4. 对代码、命令、UI 名称、报错文案必须以图片中真实出现的内容为准

全局 Step 4: 生成文档

根据视频类型，将分析结果重新组织整理成 视频分析.md。

判断视频类型:

• 实操类: 编程教程、软件操作、配置演示等
• 知识类: 概念讲解、原理分析、经验分享等

生成文档时的优先级:

1. 章节主线 / 叙事顺序：优先参考字幕
2. 代码 / UI / 页面 / 报错 / 操作位置：优先参考图片
3. 文本与图片冲突时：显式写出冲突，不要强行统一

【关键】图片与内容必须严格对应:

错误示例 ❌:
### 安装 Node.js
首先下载 Node.js...
![截图](./images/frame_0001.jpg)  ← 图片可能是其他内容

正确示例 ✅:
### 安装 Node.js
首先下载 Node.js...
![frame_0015: Node.js官网下载页面](./images/frame_0015.jpg)  ← 图片确实是下载页面

生成文档的正确流程:

1. 先整理文本主线与图片分析结果

   • 如果有 text_segments.json，先用它建立章节脉络
   • 汇总所有帧的分析内容
   • 建立「时间轴文本 -> 关键帧 -> 内容」的对应关系

2. 按主题重新组织内容（不是按时间顺序流水账）

   • 将相关内容归类到同一章节

• 用字幕提供的解释串起章节
• 用关键帧补充截图、界面、代码和操作细节

3. 插入图片时必须核对

   • 只插入与当前内容直接相关的图片
   • 图片描述要准确反映图片实际内容
   • 使用格式: ![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

4. 代码必须来自图片中的实际代码

   • 不要自己编造代码
   • 代码块标注来源: <!-- 来自 frame_0025 -->

重要原则:

1. 文本主线 + 图片校验 - 文本负责讲解主线，图片负责真实性校验与细节补充
2. 图文对应 - 每张图片必须与其上下文内容匹配
3. 不要时间线流水账 - 重新组织内容，像写文章一样
4. 代码真实 - 只使用图片中出现的代码，不要编造
5. 独立可读 - 不看视频也能完全理解

合集模式分析流程

当 Step 0 进入合集模式时，目标范围可能是以下三种之一：

• 整个合集 / 系列
• 当前多P视频的全部P
• 整个合集 / 系列，但其中某些子视频需要展开成全部P

合集模式 Phase A: 确认待分析列表与目录结构

开始处理前，必须先把 resolve_scope.py 输出的最终待分析结构列给用户。

1. 调用 resolve_scope.py 并读取 resolved_scope 与 targets
2. 如果目标是合集 / 系列：直接展示 resolver 输出的视频列表；其中多P子视频应已展开页级结构
3. 如果目标是多P视频：直接展示 resolver 输出的全部P列表
4. 显示标题、总数、每个视频或每个P的标题和时长
5. 显示预计输出目录结构
6. 等待用户确认后开始分析

合集模式 Phase B: 逐个分析视频或分P

情况 A：目标是合集 / 系列中的普通视频

对每个视频依次执行上文的全局 Step 1（下载视频并拆帧）→ 全局 Step 2（准备文本主线）→ 全局 Step 3（联合分析文本与关键帧，含 3.1 / 3.2）→ 全局 Step 4（生成文档）：

# 视频1（URL 来自 resolve_scope.py 的 targets）
python scripts/prepare.py "<视频1 URL>" -o <合集输出目录>/<视频1 BV号>/
python scripts/text_prepare.py "<视频1 URL>" -o <合集输出目录>/<视频1 BV号>/
# → 联合分析文本与关键帧 → 生成 视频分析.md

情况 B：目标是当前多P视频的全部P

先通过 view API 读取全部 pages，再对每个P依次执行上文的全局 Step 1（下载视频并拆帧）→ 全局 Step 2（准备文本主线）→ 全局 Step 3（联合分析文本与关键帧，含 3.1 / 3.2）→ 全局 Step 4（生成文档）：

# P1（URL 来自 resolve_scope.py 的 targets）
python scripts/prepare.py "https://www.bilibili.com/video/<BV>?p=1" -o <多P输出目录>/P01/
python scripts/text_prepare.py "https://www.bilibili.com/video/<BV>?p=1" -o <多P输出目录>/P01/
# → 联合分析文本与关键帧 → 生成 视频分析.md

# P2（URL 来自 resolve_scope.py 的 targets）
python scripts/prepare.py "https://www.bilibili.com/video/<BV>?p=2" -o <多P输出目录>/P02/
python scripts/text_prepare.py "https://www.bilibili.com/video/<BV>?p=2" -o <多P输出目录>/P02/
# → 联合分析文本与关键帧 → 生成 视频分析.md

情况 C：合集 / 系列中包含多P子视频

先按合集 / 系列顺序遍历每个子视频：

• 普通单P子视频 → 直接生成 <BV号>/视频分析.md
• 多P子视频 → 先展开全部P，生成 <BV号>/P01/视频分析.md、<BV号>/P02/视频分析.md ...，再在 <BV号>/分P视频分析.md 中合并

注意：

• 普通视频输出目录使用 BV 号命名（如 BV1aaa/）
• 多P视频建议使用 P01/、P02/ ... 作为页级目录名
• 如果某个视频或某个P分析失败，记录错误并继续分析后续单元
• 两个视频之间适当间隔以避免 API 限流

合集模式 Phase C: 合并生成最终文档

根据目标范围，合并策略分两种。

合并为 分P视频分析.md

当目标是“当前 BV 的全部P”时：

1. 文件开头写入视频概要信息（视频标题、总P数、UP 主等）
2. 按P顺序拼接每个 Pxx/视频分析.md
3. 每个P前加一级标题分隔：# 第X P: {分P标题}
4. 各P内部标题级别降一级（# → ##，## → ###，依此类推）
5. 图片路径调整为相对于多P根目录：./images/frame_xxxx.jpg → ./P01/images/frame_xxxx.jpg
6. 分析失败的P在对应位置标注失败信息

合并为 合集视频分析.md

当目标是“整个合集 / 系列”时：

1. 文件开头写入合集概要信息（合集标题、视频总数、UP 主等）
2. 按原始顺序拼接每个视频的分析内容
3. 每个视频前加一级标题分隔：# 第X集: {视频标题}
4. 普通单P视频直接引用 <BV号>/视频分析.md
5. 多P子视频先在 <BV号>/分P视频分析.md 中完成本地合并，再把该文件作为这个视频的分析结果纳入合集总文档
6. 图片路径按相对于合集根目录调整：

• 单P视频：./images/frame_xxxx.jpg → ./<BV号>/images/frame_xxxx.jpg
• 多P视频：./images/frame_xxxx.jpg → ./<BV号>/P01/images/frame_xxxx.jpg

7. 分析失败的视频或分P在对应位置标注失败信息

输出目录结构示例 1：当前多P视频的全部P

<多P输出目录>/
├── P01/
│   ├── video.mp4
│   ├── images_raw/
│   ├── images/
│   ├── metadata.json
│   ├── frames.json
│   ├── subtitles.json / text_segments.json
│   └── 视频分析.md
├── P02/
│   ├── video.mp4
│   ├── images_raw/
│   ├── images/
│   ├── metadata.json
│   ├── frames.json
│   ├── subtitles.json / text_segments.json
│   └── 视频分析.md
├── ...
└── 分P视频分析.md

输出目录结构示例 2：合集 / 系列包含多P子视频

<合集输出目录>/
├── <视频1 BV号>/
│   └── 视频分析.md
├── <视频2 BV号>/
│   ├── P01/
│   │   └── 视频分析.md
│   ├── P02/
│   │   └── 视频分析.md
│   └── 分P视频分析.md
├── <视频3 BV号>/
│   └── 视频分析.md
└── 合集视频分析.md

Output Format

实操教程类

# {教程主题}

## 简介

{教程目标}
{前置条件和要求}

## 环境准备

{需要安装的软件}
{配置要求}

## 操作步骤

### 1. {步骤标题}

{详细说明。优先用字幕建立步骤解释，再用下方图片补充界面、代码和操作细节}

![frame_xxxx: 图片实际内容的准确描述](./images/frame_xxxx.jpg)

<!-- 代码来自 frame_xxxx -->
```代码块```

### 2. {步骤标题}

{详细说明}

![frame_xxxx: 准确描述](./images/frame_xxxx.jpg)

...

## 完整代码

<!-- 汇总自 frame_xxxx, frame_xxxx, frame_xxxx -->
{汇总所有代码片段，标注来源帧号}

## 常见问题

{可能遇到的问题和解决方案}

## 总结

{核心要点回顾}
{延伸学习建议}

知识文档类

# {主题}

## 概述

{主题背景介绍}
{为什么重要}

## {章节1标题}

{内容。主叙事可来自字幕，视觉细节必须由配图支撑}

![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

## {章节2标题}

{内容}

![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

## 核心要点

- 要点1
- 要点2
- 要点3

## 延伸阅读

{相关资源和建议}

合集文档

# {合集标题}

## 合集概要

- **合集标题**: {合集标题}
- **视频总数**: {total} 个
- **UP 主**: {uploader}

---

# 第1集: {视频1标题}

## {视频1的章节1}

{内容}

![frame_xxxx: 描述](./<视频1 BV号>/images/frame_xxxx.jpg)

## {视频1的章节2}

{内容}

---

# 第2集: {视频2标题}

## {视频2的章节1}

{内容}

![frame_xxxx: 描述](./<视频2 BV号>/images/frame_xxxx.jpg)

...

多P文档

# {视频标题}

## 视频概要

- **视频标题**: {视频标题}
- **总P数**: {total_pages} 个
- **UP 主**: {uploader}

---

# 第1P: {P1标题}

## {P1章节1}

{内容}

![frame_xxxx: 描述](./P01/images/frame_xxxx.jpg)

---

# 第2P: {P2标题}

## {P2章节1}

{内容}

![frame_xxxx: 描述](./P02/images/frame_xxxx.jpg)

...

图片插入规范

文本主线使用规范

API Reference

Bilibili API

脚本使用 Bilibili 官方 API：

# 获取视频信息（含 ugc_season 合集检测）
GET https://api.bilibili.com/x/web-interface/view?bvid=BV1xx411c7mD

# 多P视频信息来自同一个 view 接口中的 pages 字段
# data.pages[].page       -> 第几P
# data.pages[].part       -> 分P标题
# data.pages[].duration   -> 分P时长
# URL 中是否包含 ?p=     -> 当前是否是具体某一P

# 获取播放地址
GET https://api.bilibili.com/x/player/playurl?bvid=BV1xx411c7mD&cid={cid}&qn=80&fnval=1

# 获取字幕元数据
GET https://api.bilibili.com/x/player/v2?bvid=BV1xx411c7mD&cid={cid}

# 获取 UGC 合集视频列表
GET https://api.bilibili.com/x/polymer/web-space/seasons_archives_list?mid={mid}&season_id={season_id}&page_num=1&page_size=100

# 获取系列视频列表
GET https://api.bilibili.com/x/series/archives?mid={mid}&series_id={series_id}&pn=1&ps=100

API 文档: https://github.com/SocialSisterYi/bilibili-API-collect

Python 准备脚本说明

# 每秒 1 帧
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --fps 1

# 每秒 0.5 帧
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --fps 0.5

# 调整相似度阈值
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --similarity 0.85

# 保留全部原始帧，不执行去重
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --no-dedup

去重逻辑：脚本会先把全部抽帧写入 images_raw/，再按相邻帧 pHash 相似度筛出保留帧并复制到 images/。

文本准备脚本说明

# 字幕优先，无字幕时直接进入图片模式
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output

文本准备逻辑：脚本会优先检查 B 站平台字幕；若字幕存在，则输出 subtitles.json 与 text_segments.json。若字幕不存在，则直接返回 image_only 模式。

合集检测脚本说明

# 检测单视频
python scripts/collection.py "https://www.bilibili.com/video/BV1xx411c7mD"

# 检测合集页面
python scripts/collection.py "https://space.bilibili.com/12345/channel/collectiondetail?sid=67890"

# 检测系列页面
python scripts/collection.py "https://space.bilibili.com/12345/channel/seriesdetail?sid=67890"

# 检测短链接
python scripts/collection.py "https://b23.tv/xxxxx"

说明：如果要处理多P总链接或当前P链接，不要依赖 collection.py 返回P列表，而是使用 view API 的 pages 字段自行展开。

在当前实现里，更推荐直接调用 resolve_scope.py，因为它已经把 view API 与 collection.py 的结果统一成了最终待处理目标。

Examples

示例1: 分析单个视频

# 1. 解析最终处理范围
python scripts/resolve_scope.py "https://www.bilibili.com/video/BV1xx411c7mD" --mode single
# 输出: {"resolved_scope": "single_video", "targets": [{...}]}

# 2. 下载并拆帧（使用 targets[0].url）
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./react-tutorial

# 3. 准备文本主线（使用 targets[0].url）
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./react-tutorial

# 4. 联合分析文本与关键帧，生成 react-tutorial/视频分析.md

示例2: 分析合集

# 1. 解析最终处理范围
python scripts/resolve_scope.py "https://space.bilibili.com/12345/channel/collectiondetail?sid=67890" --mode collection
# 输出: {"resolved_scope": "full_collection", "targets": [...]} 

# 2. 按 resolver 返回的 targets 逐个下载并拆帧
python scripts/prepare.py "https://www.bilibili.com/video/BV1aaa" -o ./my-collection/BV1aaa/
python scripts/prepare.py "https://www.bilibili.com/video/BV1bbb" -o ./my-collection/BV1bbb/
# ...

# 3. 按 resolver 返回的 targets 逐个准备文本主线
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1aaa" -o ./my-collection/BV1aaa/
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1bbb" -o ./my-collection/BV1bbb/
# ...

# 4. 逐个联合分析文本与关键帧并生成各视频的 视频分析.md
# 5. 合并生成 my-collection/合集视频分析.md

示例3: 分析多P视频的全部分P

# 1. 解析最终处理范围
python scripts/resolve_scope.py "https://www.bilibili.com/video/BV1xx411c7mD" --mode collection
# 输出: {"resolved_scope": "all_pages_of_current_bv", "targets": [{"url": "...?p=1"}, {"url": "...?p=2"}, ...]}

# 2. 列出全部分P并等待用户确认

# 3. 逐P下载并拆帧（使用 resolver 返回的明确 ?p= URL）
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD?p=1" -o ./my-multi-p/P01/
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD?p=2" -o ./my-multi-p/P02/

# 4. 逐P准备文本主线
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1xx411c7mD?p=1" -o ./my-multi-p/P01/
python scripts/text_prepare.py "https://www.bilibili.com/video/BV1xx411c7mD?p=2" -o ./my-multi-p/P02/

# 5. 逐P生成 视频分析.md，再合并生成 my-multi-p/分P视频分析.md

示例4: 分析长视频

# 降低帧率，减少图片数量
python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./long-video --fps 0.2

示例5: 禁用去重

python scripts/prepare.py "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --no-dedup

Quality Checklist

生成文档前，逐项检查以下要求：

内容质量

• 内容重新组织，不是时间线流水账
• 章节结构清晰，有逻辑顺序
• 不看视频也能理解全部内容
• 包含环境准备/前置条件说明
• 包含总结和核心要点
• 如果字幕可用，章节主线与文本时间轴一致
• 如果字幕不可用，没有伪造口播内容

图文对应（重要！）

• 每张图片都标注了帧号，例如：

![frame_xxxx: 描述](./images/frame_xxxx.jpg)

• 图片描述准确反映图片实际内容
• 图片上下文的文字与图片内容直接相关
• 没有随意插入不相关的图片
• 代码块标注了来源帧号: <!-- 来自 frame_xxxx -->

代码质量

• 代码来自图片中的实际代码，不是编造的
• 代码片段完整，可直接复制使用
• 完整代码章节汇总了所有代码并标注来源

文本链路（字幕 / 图片）

• text_segments.json 的来源模式已确认（subtitle / image_only）
• 如果使用字幕，关键口播解释与章节结构一致
• 文本与图片冲突的地方已明确标注

合集模式相关（仅合集模式）

• 待分析范围已由 resolve_scope.py 确认：是整个合集 / 系列，还是当前 BV 的全部P
• 开始处理前，已向用户列出视频总数和目录结构
• 如果是整个合集 / 系列，所有视频都已分析（失败的已标注）
• 如果存在多P子视频，这些P已在目录结构和最终文档中正确展开
• 合集视频分析.md 或 分P视频分析.md 已生成且概要信息完整
• 各视频或各P按原始顺序排列
• 图片路径已调整为相对于最终根目录
• 各视频或各P标题级别已正确降级

Tags

bilibili, video-analysis, ai, frame-extraction, subtitle, multimodal, markdown, tutorial, python, opencv, imagehash, collection, ugc-season, series, multi-p

Compatibility

• Codex: Yes
• Claude Code: Yes