新闻详情

新闻详情

首页 / 资讯中心 / 详情

GetQzonehistory:QQ空间说说备份到Excel的完整教程

发布时间:2026/11/4 16:33:29来源:尧图网络
GetQzonehistory:QQ空间说说备份到Excel的完整教程
GetQzonehistoryQQ空间说说备份到Excel的完整教程【免费下载链接】GetQzonehistory获取QQ空间发布的历史说说项目地址: https://gitcode.com/GitHub_Trending/ge/GetQzonehistoryGetQzonehistory 是一个免费的开源 QQ空间备份工具它把账号发布过的历史说说连同每条评论、每张配图一起取下来导出成 Excel 表格同时生成一份带图文的网页版存档。准备卸载 QQ、或者发现早年图片已经失效的人可以在几分钟内完成一次全量归档。跑完一次会得到哪些备份文件先说结果。登录并等程序跑完后所有产物集中存放在resource/result/你的QQ号/目录里程序结束时会自动打开该文件夹终端同时打印各清单的条数统计QQ_全部列表.xlsx——空间消息列表里全部条目的合并总表含时间、内容、图片链接、评论4列检索时优先看这张QQ_说说列表.xlsx——只含你自己发布的说说QQ_转发列表.xlsx——转发的内容QQ_留言列表.xlsx——好友留在你空间的留言时间、内容、图片链接3列QQ_好友列表.xlsx——与你互动过的好友含昵称、QQ号、空间主页pic/文件夹——说说的全部配图按内容文字命名QQ_说说网页版.html——还原了图片和评论的网页浏览器打开即可按时间线回看全部存档两个顺带一提的用法对 Excel 的时间列按年做透视就能得到每年的发布量统计文件是标准 .xlsx 格式也可以直接导入笔记或备忘录类应用完成跨平台迁移。动手之前QQ空间备份环境准备与扫码登录前提条件是电脑装好 Python 3。拉取代码并安装依赖git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory pip install -r requirements.txt首次运行会在本地生成resource/下的配置、临时与缓存目录。若依赖与系统其他项目冲突可先用python -m venv建虚拟环境再执行pip install -r requirements.txt。登录方式为扫码运行程序后终端打印二维码用手机QQ扫描并确认授权即可全程不涉及密码二维码过期会重新刷新。数据边界需要先明确避免对结果数量有错误预期。抓取来源是QQ空间的消息列表加上可见说说的完整列表因此可见且未删除的内容能完整取到包括2014年之前的老内容设为仅自己可见、或已被删除的内容不在消息列表里无法获取。本工具仅用于备份自己账号的数据请遵守相关协议仅作个人存档与研究用途。QQ空间备份工具全流程操作从启动到导出完成执行python main.py启动主程序util/GetAllMomentsUtil.py 中是可见说说部分的抓取实现想逐行了解流程可以打开看。终端先打印二维码扫码确认登录成功后显示账号QQ与昵称。随后程序开始逐批拉取消息列表每批10条批与批之间暂停3秒进度条随批次推进。抓完消息列表后再补一轮可见说说的完整列表两者合并去重。全部批次结束后进入导出阶段写入上面列出的各张 Excel、逐张下载pic/图片、生成网页版 HTML最后打印导出成功及总条数。两点运行细节中途按下CtrlC时信号处理会先把已抓取的数据落盘再退出重新运行后继续补齐即可多个账号的登录态分别缓存在resource/user/下第二次运行直接选择对应账号不必重复扫码备份文件导出后的常见故障按阶段排查登录阶段终端里二维码不显示到resource/temp/下找到QR.png手动打开扫码之前登录过、现在却重复要求扫码删除resource/user/中该账号的缓存文件重新扫码报登录失败多为网络或扫码超时重试一次仍失败则按上一条清理缓存抓取阶段某些说说没出现在结果里核对是否属于仅自己可见或已删除这两类不在抓取范围内并非程序遗漏图片少了几张重新运行python main.py程序会补齐缺失部分输出阶段找不到结果确认当前工作目录是项目根目录产物在resource/result/下按QQ号建文件夹想换保存位置或调整其他参数修改 resource/config/config.ini 后重跑终端提示内容异常fetch_all_message.py是另一个入口脚本两个入口的输出目录一致可切换验证写在最后一次运行之后历史说说就以 Excel 和图片的形式落在本地硬盘上与平台改版脱钩。建议每隔一段时间重跑一次新增内容会自动并入原有清单。本工具请仅用于自己账号的存档与研究。【免费下载链接】GetQzonehistory获取QQ空间发布的历史说说项目地址: https://gitcode.com/GitHub_Trending/ge/GetQzonehistory创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉