新闻详情

新闻详情

首页 / 资讯中心 / 详情

GetQzonehistory:免费归档QQ空间全部历史说说,Excel、图片和评论一步导出

发布时间:2026/11/2 17:57:28来源:尧图网络
GetQzonehistory:免费归档QQ空间全部历史说说,Excel、图片和评论一步导出
GetQzonehistory免费归档QQ空间全部历史说说Excel、图片和评论一步导出【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把QQ卸载前你翻到2015年的说说却只看见灰掉的图片GetQzonehistory是一款免费的QQ空间备份工具登录一次它就把你发布过的历史说说、图片和评论抓下来导出成Excel存到本地适合想给数字记忆做长期存档的人。这个备份工具能做什么它的能力可以概括为一句话模拟登录你的QQ空间从消息列表里把未删除的说说一条条拉下来整理成本地文件。功能它帮你解决什么历史说说抓取从最近一条一路翻到最早一条含2014年之前的网页版翻不到的也能拿到图片本地保存说说里的图片逐张下载存进文件夹图片链接过期也不影响查看评论同步导出每条说说下面的评论一起进表互动记录不丢失好友清单整理和你互动过的人昵称、QQ号、空间主页汇成一张表网页版阅读额外生成一个按时间线排列的HTML页面打开就能连图带评论翻看完整抓取流程写在 util/GetAllMomentsUtil.py想了解每一步怎么跑的可以直接看这个文件。3步装好并跑起来第1步拿代码、装依赖git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory pip install -r requirements.txt第2步运行程序扫码登录python main.py终端会打印一张登录二维码用手机QQ扫一扫确认即可全程不用输密码。⚠️ 二维码过期的话它会提示失效并刷新重新扫一遍就行。第3步等进度条走完程序每批抓10条、中间自动停几秒防封终端有实时进度。看到导出成功就收工了。万一中途你按了 CtrlC别担心已经抓到的部分会被自动写成Excel保存下来断点续跑就是指重跑python main.py从上次存下的进度接着来。导出结果在哪看跑完后结果统一放在resource/result/你的QQ号/目录下文件内容QQ_全部列表.xlsx所有内容的合并总表带时间、内容、图片链接、评论4列QQ_说说列表.xlsx你自己发布的说说QQ_转发列表.xlsx你转发过的内容QQ_留言列表.xlsx好友留在你空间的留言QQ_好友列表.xlsx互动过的好友昵称、QQ号、空间主页pic/ 文件夹说说里的图片按内容命名存放另外还多一份_说说网页版.html浏览器打开就是带图带评论的时间线不习惯翻Excel的话看它更直观。常见报错怎么解决问题解决方式终端里二维码看不清或没显示手动打开resource/temp/下的 QR.png 图片扫码明明登录过还让我扫码删掉resource/user/里对应的缓存文件再重新扫码部分老说说没抓到只能拿到可见且未删除的说说仅自己可见的内容拿不到图片没下全重跑python main.py程序会把缺的补上Linux 提示找不到 zbar 共享库按终端提示安装系统包如sudo dnf install -y zbar后重跑想换保存位置之类的需求改一下 resource/config/config.ini 这个配置文件就行。进阶玩法选读多个账号登录信息会分开存在resource/user/下再运行时程序列出已登录账号供你选序号切换输入0则重新扫码不用每个号都扫一遍。看看哪年话最多打开说说列表Excel按时间列做一下年度透视就能看到自己发布高峰集中在哪几年。想换个地方存Excel是标准格式可以直接导入备忘录或笔记类软件完成跨平台迁移。一次跑完老说说、图片和评论就都在你自己电脑里了平台怎么改版都带不走。建议隔半年或一年重跑一次python main.py让这份档案一直保持最新。【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 2026/11/2 5:53:33

【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 2026/11/2 5:53:30

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 2026/11/2 5:53:30

【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 ... 2026/11/2 5:53:28

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 2026/11/2 5:53:27

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 2026/11/2 5:53:27

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
📞 ✉