新闻详情

新闻详情

首页 / 资讯中心 / 详情

ConvertX转换历史导出CSV快速教程:3种方式把转换记录搬进表格

发布时间:2026/11/5 5:51:24来源:尧图网络
ConvertX转换历史导出CSV快速教程:3种方式把转换记录搬进表格
ConvertX转换历史导出CSV快速教程3种方式把转换记录搬进表格【免费下载链接】ConvertX Self-hosted online file converter. Supports 1000 formats ⚙️项目地址: https://gitcode.com/GitHub_Trending/co/ConvertX转了一堆文件一周后想不起来它们被换成了什么格式ConvertX的转换历史会记下每个任务但它只摆在页面表格里没法直接拷进表格软件。好消息这些数据有地方存。下面带你从历史页面拿到一个能打开的CSV文件。开始之前先花30秒搞清楚动手之前先弄清数据在哪、从哪进。三件事。数据存在数据库里每次转换任务都会写进一个 SQLite 数据库分两层记录——任务层存转换时间、文件数、状态文件层存每个文件的输入名和输出名。页面入口在哪登录后点页面右上角的 History 进入历史页面表格逻辑写在 src/pages/history.tsx 里。只查你自己的页面按登录账号查询你只看得了自己的转换历史看不到别人的。快速上手三步完成不碰代码也能把数据在页面上摸清楚这是导出的前提。打开历史页面点右上角的 History 进入。如果找不到先看下文避坑指南的第二个问题。找到目标转换记录表格按时间、文件数、完成数、状态排列点行首的小箭头还能展开每个文件的输入输出名。确认想导出的字段页面上能看到的就是可导出的字段时间、文件数、完成数、状态一次拿全。这是 ConvertX 主界面注意右上角的 History 入口转换历史就从这里进。进阶路线给技术向用户想跳过手工复制、让机器直接吐文件下面两种都能一步到位。如何从数据库直接导出转换历史CSV数据库文件默认在./data/mydb.sqlite位置定义在 src/db/db.ts 里可用 DB_PATH 环境变量改。Docker 部署的话它就在那个挂载出来的 ./data 目录里。# 查询任务表带上表头直接导出成 CSV 文件 sqlite3 -header -csv ./data/mydb.sqlite SELECT date_created, num_files, status FROM jobs; history.csv一句话这条命令绕开网页直接从数据库把任务表读出来写成 history.csv丢进 Excel 就能看。想要每个文件的明细再把 file_names 表联上加 file_name、output_file_name 两列即可。如何在浏览器控制台复制转换历史不想碰服务器就在历史页面上直接取数。// 打开历史页面后按 F12在控制台粘贴运行 const rows [...document.querySelectorAll(tr[id^job-row])] .map(tr [...tr.querySelectorAll(td)].map(td td.textContent.trim()).join(,)); copy(rows.join(\n)); // 把表格可见行整体复制到剪贴板这句话做了三件事把表格每一行拼成逗号分隔的文本再放进剪贴板回 Excel 粘贴就行开头几列是复选框和按钮留下的空列粘贴后删掉即可。避坑指南最容易踩的3个问题导出本身不复杂但下面三个问题最容易把成果吞掉。️历史记录突然变少现象是页面记录越来越少。原因是服务会定期清理旧任务默认删掉超过 24 小时的记录。解决把 AUTO_DELETE_EVERY_N_HOURS 环境变量设为 0 关掉自动清理或者养成用完先导出的习惯。历史页打不开直接跳回首页现象是点 History 被重定向到首页。原因是 HIDE_HISTORY 环境变量被设成了 true页面入口被整体隐藏没登录时也会被踢去登录页。解决先登录再检查部署时是否开了隐藏历史的配置。看不到另一个账号的转换记录现象是表格少了一半记录。原因是历史页只查当前登录用户名下的任务各账号之间互相隔离。解决换到对应账号登录查看和导出要一次看全部就用上面查数据库的办法。先看懂、再导出、绕开这三颗雷转换历史才算真正握在自己手里。✅ 更多部署方式和环境变量说明见项目里的 README.md。【免费下载链接】ConvertX Self-hosted online file converter. Supports 1000 formats ⚙️项目地址: https://gitcode.com/GitHub_Trending/co/ConvertX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 2026/11/4 15:56:54

【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 2026/11/4 22:55:41

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 2026/11/4 17:01:23

【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 ... 2026/11/4 12:33:12

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 2026/11/5 4:24:57

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 2026/11/5 4:24:57

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
📞 ✉