新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何备份你的QQ空间全部历史说说:完整指南

发布时间:2026/11/14 13:00:19来源:尧图网络
如何备份你的QQ空间全部历史说说:完整指南
如何备份你的QQ空间全部历史说说完整指南【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翻QQ空间说说的时候你是不是也突然意识到某一年自己到底在想什么已经想不起来了。那些深夜的心情、出游的照片、转发过的段子散落在平台里翻得越深越慢。GetQzonehistory 是一个能把你的QQ空间历史说说一次性导出到电脑上的小工具帮你把这么多年发的说说变成一份可以自己保存、自己打开的表格和网页。这些场景你是不是也遇到过想找高中时发的一条说说平台里翻不到那么深说说里的照片想留着却没法一张张另存担心平台数据有变动想在自家电脑放一份想回顾过去的自己手机上却不好按顺序慢慢看如果有一条戳中你那你需要做的不是再翻几页而是把这些数据拿回自己手里。GetQzonehistory 是个什么工具简单来说它是个基于Python的QQ空间说说导出与归档工具。你扫一次码工具就把你的说说以及围绕它们发生的互动整理出来存到本地文件夹并生成Excel表格和QQ空间样式的网页全程不需要你写代码。扫码登录不输密码用手机QQ扫一下就行过程不碰你的密码。数据留在自己电脑所有处理都在本地进行不上传到任何服务器。表格和网页都有Excel方便筛选整理HTML网页版用浏览器一开看起来和QQ空间一样。中断也有保护中途退出已抓到的说说会先保存下来不白忙。 三步跑通前提电脑装好了Python 3。第1步获取项目git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory第2步安装依赖pip install -r requirements.txt依赖都是requests、pandas这类常见库一条命令自动装好。想保持系统环境干净的话可以先用python -m venv myenv建个虚拟环境再装。第3步运行python main.py运行后终端会显示二维码用手机QQ扫码即可。登录成功后程序按每批10条抓取消息终端有进度条显示实时进度说说越多耗时越长几千条的话建议预留半小时左右。小提醒在macOS上如果扫码时报zbar相关错误先在系统里装一下zbar库。如果不想装依赖项目的release页面也提供打包好的版本。跑完你会得到什么导出结束后程序会自动打开结果文件夹位置在resource/result/你的QQ号/下里面有这些东西全部列表.xlsx所有历史消息按时间排好说说列表.xlsx你自己发的说说含时间、内容、图片链接和评论转发列表.xlsx / 留言列表.xlsx / 其他列表.xlsx转发、留言和其他互动分类存放好友列表.xlsx和你互动过的朋友汇总含昵称和QQ号说说网页版.htmlQQ空间样式的页面浏览器打开即可一页页翻看pic/ 文件夹说说里的图片自动下载按内容命名两个值得知道的小细节数据从哪来工具的主要来源是QQ空间的消息列表。你每发一条说说这里都会留下一条记录工具就一批批把它取回来通常能比翻首页回到更早另外它还会把当前可见的说说补进来让较近的内容少遗漏。登录和抓取相关逻辑都在 util/ 里想深入一点可以从这里看起。为什么可以随时退出工具内置了中断保护你按CtrlC退出时它会先把已有数据全部写进磁盘下次再跑不必从零开始。对动辄几十分钟的导出来说这点很让人安心。导出之后你还可以这样玩做一份个人年报在Excel里按年份分组看看自己哪一年发得最多、哪一年话最少。整理相册pic/ 里的图片按说说内容命名挑一挑就能拼成相册。做成纪念网页给HTML文件加点自己的样式打印出来或者发给朋友一起翻。卡住了先看这里问为什么导出后有些说说没找到答工具基于消息列表工作凡是没在消息列表里出现过的比如设为仅自己可见的早期说说可能就取不到这属于正常现象。控制台最后会打印各类数据的条数可以对照查看。问每次运行都要重新扫码吗答不用。登录状态通常会保存在本地下次运行直接跳过扫码如果状态过期了重新扫一次就好。问为什么有的图片下载不了答部分老图片的链接可能已失效工具会自动跳过并继续不影响文字数据的完整性。本工具仅用于个人记忆存档与学习研究。请遵守平台服务条款只处理自己账号的数据尊重他人隐私与版权。最后一份可以直接照着做的小清单装好Python克隆项目安装依赖运行python main.py扫码登录等进度条走完打开结果文件夹把过去一年一年翻一遍过去值得被认真对待。当那些说说整整齐齐躺在文件夹里你会明白它们不只是随手发的文字那是你认真生活过的证据。【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 2026/11/14 3:51:47

【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 2026/11/12 23:59:09

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 ... 2026/11/13 13:31:48

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 2026/11/13 16:11:45

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 2026/11/14 3:51:43

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
📞 ✉