新闻详情

新闻详情

首页 / 资讯中心 / 详情

把QQ空间十年说说完整搬回本地:免费GetQzonehistory一键备份指南

发布时间:2026/11/4 16:28:47来源:尧图网络
把QQ空间十年说说完整搬回本地:免费GetQzonehistory一键备份指南
把QQ空间十年说说完整搬回本地免费GetQzonehistory一键备份指南【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翻到去年那条动态配图全灰只剩一行已过期。十年青春寄存在别人的服务器上。GetQzonehistory 是免费开源的QQ空间历史说说备份工具扫码登录后把说说、评论、配图自动存到本地。它做的事只有一件把QQ空间的历史动态完整搬回本地。先看你做完能拿到什么 跑完之后你的本地会有这些东西resource/result/你的QQ号/ ├── 你的QQ号_全部列表.xlsx ├── 你的QQ号_说说列表.xlsx ├── 你的QQ号_转发列表.xlsx ├── 你的QQ号_留言列表.xlsx ├── 你的QQ号_其他列表.xlsx ├── 你的QQ号_好友列表.xlsx ├── 你的QQ号_说说网页版.html └── pic/文件内容说明你的QQ号_全部列表.xlsx所有消息汇总时间、内容、图片链接、评论你的QQ号_说说列表.xlsx你自己发布的每条说说你的QQ号_转发列表.xlsx你转发过的内容你的QQ号_留言列表.xlsx留言板上的互动你的QQ号_其他列表.xlsx朋友在你空间留下的动态你的QQ号_好友列表.xlsx昵称、QQ号、空间主页地址你的QQ号_说说网页版.html时间倒序的网页纪念册含头像、正文、配图、评论pic/配图原图文件名取自说说内容一眼认出是哪条说白了备份就是把数据从借住变成拥有——平台清理、账号出事都动不了这份档案。下面按我实际跑的顺序来每一步做完你都能对上号。十几分钟跑完全流程把仓库克隆到本地git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory做对了你会看到终端切进了 GetQzonehistory 目录没有任何报错。接着建虚拟环境、装依赖python -m venv myenv source myenv/bin/activate pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt做对了你会看到最后一行是 Successfully installed 加一串包名。Windows 用户把激活命令换成myenv\Scripts\activate即可。如果稍后运行报找不到模块 requests说明虚拟环境没激活重新执行一遍激活命令就行。装完环境后直接启动主程序python main.py做对了你会看到终端开始打印二维码获取相关的提示。登录逻辑在 util/LoginUtil.py想核对都可以自己翻。卡住了现象刚启动就报无法找到 zbar 共享库。 为什么二维码识别依赖的系统库 zbar 没装。 解法Debian/Ubuntu 执行sudo apt install libzbar0Fedora 系执行sudo dnf install -y zbarmacOS 上程序会引导你用 Homebrew 安装按提示输 y 即可。装完重新运行。接下来是扫码。终端会画出一个黑底白块的 ASCII 二维码resource/temp/QR.png里还存了一份图片版嫌终端里的看不清就打开这张图扫。扫码等于递给程序一张登录通行证它拿到 Cookie 缓存在resource/user/下全程走官方登录流程不碰你的密码。做对了你会看到终端先打印登录成功随后显示用户你的QQ号,昵称登录成功。下次再跑会先列出已登录用户让你选不用重复扫码通行证一般几个月才失效一次。卡住了现象提示二维码已失效或运行报登录失败:请重新登录。 为什么前者是二维码几分钟就过期了后者是缓存的通行证失效了。 解法确认手机QQ已登录、系统时间准确重新运行python main.py生成新二维码刚被安全策略拦的话等几分钟再试别多台设备同时登录。扫码成功的瞬间不用动等就行。程序会先估算消息总量进度条显示正在获取消息列表数量…做二分探测要一两分钟正常然后Progress进度条开始走每10条歇3秒——像请了个耐心的代抄员一页一页翻动作太快反而容易出问题。条数多的账号这一步偏久慢是刻意的节奏别急着关窗口。卡住了现象中途有事想停担心白跑。 为什么已抓的数据还在内存里没落盘。 解法直接CtrlC。main.py里注册了 signal_handler会先把已抓到的数据保存下来再退出跑过的部分一份都不浪费。进度条走完那一刻它还会补一遍你名下未删除的说说包括2014年以前的老内容和消息列表去重合并。随后终端打印统计报告共有多少条消息、最早的一条说说发布在什么时候、好友/说说/转发/留言/图片各多少并自动打开导出文件夹。设成仅自己可见的旧说说不在消息列表里这类天然抓不到个别批次网络波动漏了也没关系再跑一次就能补上。请求与解析逻辑分别在 util/RequestUtil.py 和 util/GetAllMomentsUtil.py每一步都能自己核对。数据落地之后可以这么玩 三行代码看你的话痨年份你可以试试用 Pandas 算算每年发了几条import pandas as pd df pd.read_excel(resource/result/你的QQ号/你的QQ号_说说列表.xlsx) t pd.to_datetime(df[时间]) print(t.dt.year.value_counts().sort_index())哪年话痨、哪年沉默一目了然。再往深了做统计高频词、看看配图数量哪几年最多回忆就变成了一份年度报告。配个月度自动备份想长期留档Linux/macOS 在 crontab 里加一行每月1号凌晨自动跑一次Windows 用任务计划程序新建任务指向python main.py即可。Cookie 缓存还在就不用重新扫码往后的新说说也会被收进这份档案。把网页版当纪念册双击你的QQ号_说说网页版.html头像、昵称、正文、配图、评论按时间倒序排好QQ表情也做了还原离线就能翻。顺手传一份到网盘双保险。把回忆攥在自己手里数据存在哪回忆就在哪——放在别人服务器上的永远只是复印件。克隆仓库装好环境运行程序扫码登录等进度条走完翻一翻 result 里的十年工具仅限备份个人数据与学习研究别拿去采集别人的内容。【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
📞 ✉