新闻详情

新闻详情

首页 / 资讯中心 / 详情

QQ空间备份全记录:用GetQzonehistory把十年回忆完整搬回本地

发布时间:2026/11/23 6:19:15来源:尧图网络
QQ空间备份全记录:用GetQzonehistory把十年回忆完整搬回本地
QQ空间备份全记录用GetQzonehistory把十年回忆完整搬回本地【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换新手机前清理旧账号我发现空间里的说着一翻就是几千条删也不是、留也不是。用 GetQzonehistory 做一次 QQ空间备份历史说说、留言、照片全都能落到自己硬盘上全程不输密码。备份完成后数据存在哪里等进度条走完打开resource/result/目录里面会生成一个以你的QQ号命名的文件夹这次备份的全部产出都在里面本质上就是一次自动化的 QQ空间转Excel六个 Excel 表格全部列表、说说列表、转发列表、留言列表、其他列表各一份好友一份。说说类表格每条对应时间、内容、图片链接、评论四列好友表则是昵称、QQ、空间主页三列。pic/图片目录带图说说到带的照片会被批量下载存进去这就是批量下载QQ空间照片的落点。一个网页文件以QQ号命名的说说网页版.html双击即可离线翻看排版接近空间原样。跑完先去这个目录检查一下数据完整再谈别的。从零跑通一次备份需要几步克隆源码git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory建虚拟环境装依赖python -m venv myenv source myenv/bin/activate pip install -r requirements.txtWindows 下激活命令换成myenv\Scripts\activate。运行并扫码python main.py你现在会在终端里看到打印出的二维码用手机QQ扫一下出现登录成功提示就进入了抓取阶段。等进度走完终端会挂着一条实时进度条数据按每批10条往下翻批与批之间停几秒。全部抓完后它会报出说说、好友、图片各有多少条张并自动打开结果目录。中途断网或按 CtrlC 停下也没关系程序的第一动作是把已抓到的部分先存盘不会白跑。这个QQ空间历史数据导出工具内部怎么分工util/目录下五个模块用大白话讲就是五条流水线LoginUtil.py管扫码那一套生成二维码、扫完换回登录凭证换来的是临时会话不碰你的账号密码。RequestUtil.py统一对QQ空间接口发请求每个请求都带超时设置个别批次失败可以重来不用人盯。GetAllMomentsUtil.py负责拉取未删除的可见说说给消息列表做补充让 QQ空间说说导出 更完整。ToolsUtil.py是工具杂项解析返回的HTML、清洗内容、格式化时间离线网页的模板也出自它。ConfigUtil.py读取resource/config/config.ini管理缓存、用户、结果三条保存路径。串起来看扫码登录 → 翻页抓消息 → 逐条解析 → 落盘成 Excel 并下载照片 → 生成网页。备份完还能玩什么定时跑会话不是永久的隔一段时间要重新扫码。可以在系统自带定时任务里配一条每周自动执行的命令跑之前扫一下码确认即可适合当固定备份习惯。二次分析四列结构的表格直接开数据透视表就能用用 pandas 按月聚合说说条数能清楚看到哪一年自己最活跃、哪个阶段只转发不原创。用前必看跑一次大概要多久取决于条目总数。每批10条且批间有停顿几千条通常需要几十分钟到一两小时终端有实时进度条不用瞎等。中途断了会不会白跑不会。手动停止时程序会先把已有数据落盘恢复后重新运行即可已有部分不丢。扫码后没有反应怎么排查先确认手机QQ处于登录在线状态再检查终端里二维码是否完整可见然后重跑python main.py生成新码。会话是临时的随时可以重扫。私密说说能备份吗它抓的是历史消息列表和未删除的可见说说这两部分仅自己可见或已删除的内容不会出现在导出结果里。回到开头那个场景旧手机清理之前先给它留一份完整的底。今晚抽二十分钟跑一遍main.py等进度条走完再去resource/result里翻一翻自己的十年。【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 2026/11/22 21:23:30

【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 ... 2026/11/22 1:51:41

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 2026/11/22 19:32:11

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
📞 ✉