作者：朱岸峰

---

最近看到一篇文章How Big is YouTube?，采用了一种称为 **“drunk dialing”（随机拨号）**的方法。这种方法通过生成 11 个字符的随机 YouTube 视频 URL 来尝试访问现有视频。URL 由字母（a–z、A–Z）、数字（0–9）以及两个特殊字符（_ 和 -）组成。由于可能的组合数量极其庞大（接近2的64次方），随机命中有效视频的概率很低。然而，他们通过一些优化手段，提高了成功率，最终能够找到有效视频并进行数据分析。通过这种方法，他们估算出 2023 年 YouTube 平台上传的视频总数超过 40 亿条。

由此延申开，想到一个同样的也无厘头的问题：

B站有多少视频？

你可能会说，简单，直接查公司年报啥的不就得了。我特地问了Deepseek还有chaptgpt，得到的答案都是：

根据哔哩哔哩（B站）公开发布的财务报告和投资者演示资料，目前并未找到关于平台视频总数的直接数据。

得想其他方法了。

---

📌 方法一：用搜索引擎测算

比如：用Bing搜索site:bilibili.com/video/，得到的答案是：

✔ 约 175,000,000 个结果 也就是 1.75亿个视频。感觉少了。

---

📌 方法二：写爬虫或调API

B站肯定有反爬策略，麻烦，过~
调API统计某一时段的数量再推测总数，麻烦，过~

---

📌 方法三：BV号转AV号测算

找个最新视频，获取BV号，再随便搜个在线工具转成AV号。我得到的结果是 113961320128496, $10^{14}$量级，十万亿，明显不对。而且AV号如果是自增的，前面的数字再转成BV号，却没有对应视频。

---

📌 方法四：随机拨号

也就是用开头提到的办法:

• 请求 URL，统计 有效 BV 号 / 总尝试数 的比率。

• 结合历史数据（如已知的最新 AV 号），估算 B 站视频总数。
  例如：

• 如果我们随机生成 100 万 个 BV 号，其中 1 万个有效，说明有效率为 1%。

• 假设 BV 号的总空间约为 $58^{10} \approx 2.15 \times 10^{17}$，则可估算当前 B 站视频总数为 $2.15 \times 10^{17} \times 1\% = 2.15 \times 10^{15}$。

文章提到的核心优化手段包括：

1. 限制搜索范围（基于已知 ID，提高命中率）。
2. 优化 ID 生成（加权采样，避免无效组合）。
3. 使用并行请求（多线程，提高访问效率）。
4. 结合 API（减少 404，提高数据质量）。
5. 计算有效 ID 占比（基于统计，推算总数）。

想了下，也有点麻烦的。