新闻详情

新闻详情

首页 / 资讯中心 / 详情

GetQzonehistory:扫码登录一键备份QQ空间历史说到Excel

发布时间:2026/11/16 22:17:24来源:尧图网络
GetQzonehistory:扫码登录一键备份QQ空间历史说到Excel
GetQzonehistory扫码登录一键备份QQ空间历史说到Excel【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空间里的旧说说在消息列表里翻不到底。GetQzonehistory 提供QQ空间说说备份扫码登录 → 账号可见的全部历史说说进 Excel 存档。适合想给自己空间存档、又不想碰代码的普通用户。 工作原理历史说说怎么取先逐页翻互动消息列表每 10 条停 3 秒把能翻到的内容抓全再拉取你账号下所有未删除的说说两份数据合并去重最后把说说、图片、网页版一起整理成 Excel 和文件夹落盘。全程不用按任何键进度条走完即结束。⌨️ 安装依赖与扫码登录步骤1. 克隆项目并安装依赖把项目拉到本地装好清单里的 Python 依赖。git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory pip install -r requirements.txt依赖装好就可以启动程序登录了。2. 运行程序并扫码登录启动后终端会打印一个字符二维码手机 QQ 扫码确认即可。登录态存到本地resource/user/重跑时选已登录用户就行不用重复扫码。Linux 首跑若提示缺 zbar 库按终端提示用系统包管理器装好再跑。python main.py手机确认后程序自动开始翻页抓取。3. 等抓取完成查看结果目录进度条按批次推进暂停会打在终端里泡杯茶回来就好。跑完会自动打开结果目录窗口没弹出来的话手动去文件夹里找。 产出文件与导出字段说明所有结果存在resource/result/QQ号/目录文件名一律用你的 QQ 号开头。其中说说列表是核心文件一行一条说说四列内容如下列名内容说明示例值时间发布时刻年月日时分秒齐全2017年03月03日 08:12:45内容昵称加正文昵称正文格式小雨 新学期第一天图片链接配图原始网址多张逗号分隔http://img.qq.com/xx.jpg评论该条下的评论含时间、内容、昵称、QQ[[2017-03-03,哈哈哈,阿豪,10002]]同目录还有一批配套文件QQ号_全部列表.xlsx说说、转发、留言合并后的总表QQ号_转发列表.xlsx、QQ号_留言列表.xlsx、QQ号_其他列表.xlsx按类型拆开的内容QQ号_好友列表.xlsx互动涉及的好友含昵称、QQ、主页地址QQ号_说说网页版.html按时间排好序的网页版浏览器直接翻看pic/文件夹配图原图文件名取说说正文开头 导出数据的三个实操用法提取某一年份的时间线在时间列里只保留目标年份其余行删掉。按时间排好序后一年的说说整齐排成一条线直接截图或打印。按月统计发帖频率把时间列拆成年、月两列用数据透视表按月计数。各个月份的发帖节奏一眼就能看明白哪段最活跃一目了然。配图和说上一一对应pic/里的图片按说说正文开头命名拿去和表格图片链接列对号即可。想留实体相册挑出来重命名就行。 你可能想问问一次备份要跑多久 答时长由总条数决定每 10 条停 3 秒千条左右大约十分钟量级再多就相应加。问图片会不会一起导出 答会带图说说的图片都存进pic/子文件夹表格里保留原始链接两边可互查。问备份会动到别人的数据吗 答只读取自己账号可见的历史说说不碰他人数据登录态存在本机resource/user/目录注意保管好设备。工具仅限个人学习与技术研究使用请遵守平台条款及相关法律法规。今晚就能跑起来打开终端敲下第一条命令。【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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/16 19:23:38

【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 ... 2026/11/16 6:47:19

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 2026/11/14 16:35:50

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 2026/11/16 17:28:18

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
📞 ✉