完整数据见 bilibili_online/bilibili_online.txt。样例数据如下：
07.03,00:30,105,0,8,47,8,88,38,1157,0,9,255,1,282,35,1,0,370,193,1262,254,77,64,
07.03,00:31,108,0,7,48,8,89,40,1184,0,9,261,1,285,36,1,0,375,202,1296,257,79,66,
07.03 表示七月三日，00:31 表示时间（可能有重复），后面的数字分别表示分区id为 1,11,119,129,13,138,155,160,165,167,17,177,181,188,202,23,3,36,4,5,75,76 的区的每日登陆人数。
每一项人数是单调递增的，由此猜测可能记录的是从 0 点开始的登陆人数。
区编号见后。
不保证每一分钟无重复、无遗漏。
日期、时间和此刻 https://www.bilibili.com/online.html 的 20 个视频的在线观看人数总和。
不保证每一分钟无重复、无遗漏。完整数据见 bilibili_watching/bilibili_watching.txt。样例数据：
07.03,17:07,74508
07.03,17:07,75494
07.03,17:08,73516
B 站的分区向来很迷，也不公开。这里有两份不完全的分区表：
https://github.com/Vespa314/bilibili-api/blob/master/api.md
https://wusiyu.me/bilibili-video-count/
以逗号分割形式的完整数据见 zone/zone.txt。以下为样例数据：
#tid name link parent
1 动画 http://www.bilibili.com/video/douga.html null
3 音乐 http://www.bilibili.com/video/music.html null
4 游戏 http://www.bilibili.com/video/game.html null
5 娱乐 http://www.bilibili.com/video/ent.html null
9 意见留言簿 http://www.bilibili.complus/guestbook.php null
11 电视剧 http://www.bilibili.com/video/teleplay.html null
12 公告 http://www.bilibili.com/list.php?tid= null
13 番剧 http://www.bilibili.com/video/bangumi.html null
15 连载剧集 http://www.bilibili.com/video/soap-three-1.html 11
见 https://wusiyu.me/bilibili-video-count/。
提醒：由于图的问题以及 ocr 的过程的问题，某些 up 主的昵称识别错误（如 泠鸢yousa 被识别为 冷鸢yousa）。这些错误并没有更正。使用的时候可以关注一下百大 up 主的粉丝数。
找了一部分百大 up 主的名单。昵称、mid 均在 bilibili_upstat/bilibili_100up 下。
这里的实现方法是，在网上找到一份百大 up 名单的图，ocr 了一部分得到 100up_namelist.txt，再通过 get_mid.py 使用哔哩哔哩的搜索功能的爬虫，得到 (搜索结果昵称, 搜索 keyword 昵称, 搜索结果 mid) 的串，保存在 100up_info.txt。
由于 B 站限制，API 调用不能太频繁，加上项目时间有限，只爬取了部分用户的数据（约 26 万）。
每一项为用户 mid（不保证无重复、无遗漏）、用户名（经 base64 编码）、粉丝数、上传视频数、发布文章数。
完整数据见 bilibili_upstat/data 下的所有 txt。样例数据：
200096,aGFkZXN6aGFuZw==,0,0,0
200097,5bCP6bif5ri45YWJ,0,0,0
200098,5Z+D54m55r2Y,0,0,0
200099,6aSF6aOf44G54piG44GL44KI44Gh5o6o44GX,3,3,0
代码见 bilibili_upstat/bilibili_upstat.py。此外，还有防 API 调用太频繁，使用代理的版本（但是貌似都是透明代理，没用）、以百大 up 主为爬虫名单的版本。
其实三份代码应该相同的代码合并为一个模块，就可以实现代码复用。不过小工程就算了
哔哩哔哩的弹幕可在 bilibilijj.com 下载，格式为 XML。原始数据见 bilibili_danmuku/origin。
弹幕的格式可参考链接。
<d p="4.67700,5,18,65280,1436288497,0,38c54267,1003967892">04.脑内电脑网路为基础的体感线上游戏。在脑内电脑网路的效果下</d>
从左到右依次为：
- 弹幕出现的时间，以秒为单位
- 弹幕的模式：1～3 滚动弹幕 4 底端弹幕 5 顶端弹幕 6 逆向弹幕 7 精准定位 8 高级弹幕
- 字号：12 非常小 16 特小 18 小 25 中 36 大 45 很大 64 特别大
- 字体的颜色：将 HTML 六位十六进制颜色转为十进制表示，例如 #FFFFFF 会被存储为 16777215
- Unix 时间戳，以毫秒为单位，基准时间为 1970-1-1 08:00:00
- 弹幕池：0 普通池 1 字幕池 2 特殊池（注：目前特殊池为高级弹幕专用）
- 发送者的 ID，用于「屏蔽此弹幕的发送者」功能
- 弹幕在弹幕数据库中 rowID，用于「历史弹幕」功能
这里写一个 bilibili_danmaku_parser.py，将文件夹内的弹幕文字内容全部输出到 damnmaku.txt 中。再通过词云 wordcloud 模块生成词云 cloud.png（代码见cloud.py）。这里生成的是《擅长捉弄的高木同学 第二季》的弹幕的词云。
>>> import base64
>>> s = '我是字符串'
>>> a = base64.b64encode(s.encode())
>>> print a
ztLKx9fWt/u0rg==
>>> print(base64.b64decode(a).decode())
我是字符串