如何提取 B 站视频字幕

平时看视频的时候，觉得长的内容视频不适合我这种爱走神人士，所以打算把视频直接抽取字幕做成文档来读。部分视频本身已经有 AI 字幕，所以我的目标不是重新做语音识别，而是尽量直接拿到平台已有的字幕数据。

实际跑下来，流程并不复杂。记得拿你的cookie去请求视频即可。不带 Cookie 时，视频标题、BV 号、CID 这些基础信息可能都能拿到，但字幕列表会直接返回空。

下面简单记录一下实现思路：

先拿到b站分享的短链接 :https://b23.tv/xxxxxxx

它本质上是一个跳转地址。第一步要做的不是直接请求字幕，而是先跟随跳转，拿到真正的视频地址，也就是包含 BV 号的地址。

例如最终会变成类似：

https://www.bilibili.com/video/BVxxxxxxxxxx

后面的接口请求基本都围绕这个 BV 号展开。

1.通过 BV 号拿到 cid

拿到 BV 号之后，需要先请求视频基础信息接口，拿到视频的 cid。

这里的 cid 很关键。B 站一个视频可能有多个分 P，每个分 P 都有自己的 cid。字幕并不是只按 BV 号关联，而是和具体分 P 的 cid 绑定。

BV 号 -> 视频信息 -> cid -> 字幕列表

这一步通常不难，普通请求基本就能拿到视频标题、aid、cid 等信息。

有了 bvid 和 cid 之后，就可以请求播放器信息接口。字幕列表一般会出现在返回数据里的 subtitle.subtitles 字段。

如果视频有字幕，里面通常会有类似这样的信息：

{
  "lan": "ai-zh",
  "lan_doc": "中文（自动生成）",
  "subtitle_url": "//aisubtitle.hdslb.com/..."
}

这里最重要的是 subtitle_url。它就是字幕 JSON 文件的地址。

不过实际测试时，最常见的情况是：接口能正常返回，但 subtitles 是空数组。

这时候不要急着判断视频没有字幕。很多时候只是因为请求没有带登录态。

B 站字幕接口对登录态比较敏感。尤其是 AI 字幕，不带 Cookie 时经常拿不到字幕列表。

解决方式很直接：登录 B 站后，F12从浏览器 Cookie 里取出 SESSDATA，请求接口时带上它。

博客或代码示例里千万不要写真实值，用占位符即可：

SESSDATA=<your_sessdata>

更稳妥的做法是放到环境变量里，而不是写进脚本：

export BILIBILI_SESSDATA='<your_sessdata>'

SESSDATA 本质上就是登录凭证。它不应该出现在公开文章、GitHub 仓库、截图或者日志里。如果不小心泄露，建议立刻退出登录或刷新登录状态。

当字幕列表正常返回后，取其中的 subtitle_url 即可。

有个小细节：B 站返回的字幕地址有时是以 // 开头的协议相对地址，比如：

//aisubtitle.hdslb.com/xxx.json

实际请求时补上 https: 就行：

https://aisubtitle.hdslb.com/xxx.json

下载后的字幕文件通常是 JSON，核心内容在 body 里。每一条字幕大概包含三类信息：

{
  "from": 1.23,
  "to": 3.45,
  "content": "大家好，欢迎回来"
}

其中：

到这里，真正的“提取字幕”其实就完成了。后面都是文本整理工作。

我一般会导出两份文件。

第一份是带时间戳的版本，方便回到视频里校对：

[00:00:01 - 00:00:03] 大家好，欢迎回来
[00:00:03 - 00:00:06] 今天我们来聊一个特别硬核的话题

第二份是纯文本版本，拿ai整理一下，加工之后成为方便后续整理成文章、摘要或者朗读稿。这一步我觉得很重要

因为提取出来的AI 字幕通常会有几个问题：没有标点、分段很碎、专有名词容易错、同音词识别错误比较多。

比如技术视频里常见的情况：

cloud code -> Claude Code
绘画 -> 会话
sim link -> symlink

这一步更像校稿，而不是重写。我的原则是：修正明显识别错误，补充必要标点，但尽量保留原视频的表达顺序和口语感。