新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何 4 步把 QQ 空间历史说说导出到本地

发布时间:2026/11/22 0:00:49来源:尧图网络
如何 4 步把 QQ 空间历史说说导出到本地
如何 4 步把 QQ 空间历史说说导出到本地【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想找当年说说里的老照片翻遍空间也找不到。GetQzonehistory 是一个 QQ 空间历史说说导出工具用 Python 编写能把账号下的说说、转发、好友留言和配图批量拉到本地输出 Excel 和 HTML 两种格式方便长期保存和检索。它解决什么问题几年前的说说难翻找说说图片没法整批下载互动记录缺统一本地格式担心平台变动导致数据丢失功能速览扫码登录不输密码— 全程用手机 QQ 扫二维码完成认证不用把密码交给第三方登录过程更稳妥。从空间消息列表批量拉取历史说说— 自己发的说说、转发和好友留言都能覆盖到不用再手动一条一条翻历史记录。自动分类导出 Excel 列表— 按说说、转发、留言、好友拆成多张表每行带时间、内容、图片链接和评论筛选和统计都方便。生成网页版页面并下载图片— HTML 文件按空间原样排版、支持离线看图所有说说图片自动存进 pic 子目录随取随用。快速上手第 1 步克隆项目一条命令拿到源码并进入项目目录。git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory预期结果当前目录出现 GetQzonehistory 文件夹里面有 main.py 入口。第 2 步创建虚拟环境隔离 Python 环境避免依赖和系统里已有的包互相干扰。python -m venv myenv预期结果生成 myenv 目录Windows 执行 myenv\Scripts\activatemacOS/Linux 执行 source myenv/bin/activate。第 3 步安装依赖一条命令装完 requirements.txt 里的全部依赖包括 HTML 解析、Excel 导出和二维码相关库。pip install -r requirements.txt预期结果无任何报错输出即安装完成。第 4 步运行并扫码登录运行后终端会显示一个二维码扫码登录逻辑用 QQ 手机 App 扫一下即开始抓取。python main.py预期结果登录成功后自动开始抓取进度条实时显示结束后自动打开导出目录。你会得到什么运行结束后所有文件都放在resource/result/你的QQ号/目录下resource/result/你的QQ号/ ├── 你的QQ号_全部列表.xlsx # 完整历史消息记录 ├── 你的QQ号_说说列表.xlsx # 你发布的说说 ├── 你的QQ号_转发列表.xlsx # 你转发的内容 ├── 你的QQ号_留言列表.xlsx # 好友的留言 ├── 你的QQ号_好友列表.xlsx # 互动好友的昵称、QQ、空间主页 ├── 你的QQ号_其他列表.xlsx # 其他消息内容 ├── 你的QQ号_说说网页版.html # 可视化页面可预览图片 └── pic/ # 说说图片下载到这里文件名都以 QQ 号开头多个账号导出的结果不会混在一起。每张表都带时间、内容和图片链接字段直接筛选就能按年份或好友取数。用浏览器打开 HTML 文件可以按空间原样浏览图文都在本地。中途按 CtrlC 中断的话已抓到的数据也会先保存一份不会白跑。 进阶玩法按年份做统计分析。把 Excel 列表按年份分组统计每年的说说条数或者看看某段时间里情绪类词出现的频率能直观看出每个阶段的生活动态比翻空间快得多。结果导成图表发给家人看也是个不错的选择。梳理社交关系。好友列表和留言列表对照起来看可以找出过去几年里和你互动最多的那几个人谁在你考研、换城市那段时间留言最多数据里都有答案。把结果整理成一张表过年群发祝福之前心里有数。补一份完整的可见说说。主程序基于空间消息列表抓取如果你还想拿 2014 年以前的可见说说可以单独运行 fetch_all_message.py它会额外输出一份带图片、转发和评论的 Markdown 文件。⚠️ 常见坑与应对启动提示缺少 zbar→ pyzbar 依赖系统 zbar 库 → 用 brew 或 dnf 安装 zbar导出的说说有缺失→ 数据源为空间消息列表 → 从未进列表的抓不到属正常现象导出过程太慢→ 每批 10 条间隔 3 秒 → 正常节奏几百条说说需要几十分钟部分图片下载失败→ 图片链接已失效 → 工具自动跳过无需处理登录时提示失败→ 网络访问不了空间网页 → 检查网络后重新运行使用边界这个工具只适合导出自己账号的数据用于个人纪念和技术研究不要拿来做商业或侵犯他人隐私的事。数据量大的账号导出过程可能超过 30 分钟建议预留半小时时间和 500MB 磁盘空间。QQ 空间历史说说导出就是这么简单克隆仓库装依赖扫码运行就能得到 6 张 Excel 列表、一个网页版页面和一套图片。【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 2026/11/21 14:14:45

【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 2026/11/21 14:14:26

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 2026/11/21 21:08:55

【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 ... 2026/11/20 16:11:20

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 2026/11/21 19:02:25

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 2026/11/21 14:13:11

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
📞 ✉