新闻详情

新闻详情

首页 / 资讯中心 / 详情

3 条命令导出 QQ 空间全部历史说说:GetQzonehistory 安装与使用说明

发布时间:2026/11/14 20:47:35来源:尧图网络
3 条命令导出 QQ 空间全部历史说说:GetQzonehistory 安装与使用说明
3 条命令导出 QQ 空间全部历史说说GetQzonehistory 安装与使用说明【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打开 QQ 空间网页版往前翻几年会发现早期说说已经不再展示消息列表里只剩零散片段。GetQzonehistory 做的事情很直接扫码登录 QQ 空间拉取账号的全部历史消息列表并用当前可见的说说补齐把说说、评论、图片完整导出为本地 Excel 和网页版。它能帮你做什么早期说说在列表里查不到只能手动截图 → 运行后得到一份覆盖全部历史消息的全部列表.xlsx按时间排序可直接检索说说里的图片链接分散且容易失效 → 每张图片自动下载到本地pic/目录按说说内容命名说说、转发、留言、好友信息散落在不同页面 → 一次导出 6 份 Excel 加 1 个网页版互动好友的昵称、QQ 号一并整理安装与运行需要本机装有 Python 3.7 或更高版本依赖项覆盖 HTML 解析、Excel 写入和扫码登录全部在 requirements.txt 中列好无需额外配置。git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory python -m venv myenv # Windows: myenv\Scripts\activate macOS/Linux: source myenv/bin/activate pip install -r requirements.txt python main.py程序启动后会在终端显示二维码用 QQ 手机客户端扫码即可不需要密码。登录成功后按批拉取历史消息进度条实时更新。 你会拿到什么运行结束后结果统一放在resource/result/你的QQ号/目录下文件内容QQ号_全部列表.xlsx全部历史消息记录每行含时间、内容、图片链接、评论 4 个字段QQ号_说说列表.xlsx你自己发布的说说QQ号_转发列表.xlsx你发起的全部转发QQ号_留言列表.xlsx你发表和回复的留言QQ号_好友列表.xlsx消息中出现的好友昵称、QQ、空间主页QQ号_其他列表.xlsx好友发布的其他说说内容QQ号_说说网页版.html还原时间线的网页版头像、图片、评论按原站样式展示pic/说说中全部图片的本地副本它是怎么工作的数据来自两个来源一是 QQ 空间的历史消息全列表每批 10 条分页请求逻辑见 util/RequestUtil.py二是当前可见的说说列表来自 fetch_all_message.py 调用的接口可覆盖 2014 年以来的早期数据。两份数据按内容去重合并后在本地完成解析、写 Excel 和渲染网页全程不经过第三方服务器。GetQzonehistory/ ├── main.py # 主入口登录 → 拉消息 → 保存 ├── fetch_all_message.py # 获取可见说说并导出 Markdown ├── requirements.txt # 依赖清单 ├── util/ │ ├── LoginUtil.py # 扫码登录 │ ├── RequestUtil.py # 消息列表请求 │ ├── GetAllMomentsUtil.py # 获取可见说说 │ ├── ConfigUtil.py # 配置读取 │ └── ToolsUtil.py # 通用工具函数 └── resource/ # 导出结果位于 result/ 下进阶用法把可见说说导出为 Markdown如果只想要纯文本时间线执行python fetch_all_message.py会在resource/fetch-all/下生成所有可见说说.md和对应图片接口按页缓存重复执行不会重新下载已获取的内容定期更新备份隔一两个月重新执行python main.py即可新增说说会进入新一轮导出文件也可以把这条命令配到 Windows 任务计划程序或 macOS 的 crontab 里定时触发⚠️ 避坑指南能导出的以消息列表为准设置过仅自己可见的早期说说不在其中属于平台限制每批拉 10 条、间隔 3 秒数据量上万条时耗时较长属正常节奏中途按 CtrlC 中断时程序会自动保存已抓取的数据重新运行即可继续个别图片下载失败一般是链接已失效工具会跳过并继续不影响整体结果macOS 下若报 pyzbar 相关错误先安装 zbar 系统库再重试仅用于个人账号的数据备份遵守平台使用条款尊重他人隐私结尾GetQzonehistory 把 QQ 空间的历史说说变成一份可以长期保存和检索的本地档案Excel 用来查询图片用于归档网页版用来翻阅。装好 Python克隆仓库执行main.py十几分钟就能拿到第一份完整备份。【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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/15 4:06:36

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
📞 ✉