新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何批量下载QQ空间历史说说:GetQzonehistory 5分钟备份指南

发布时间:2026/11/6 19:09:38来源:尧图网络
如何批量下载QQ空间历史说说:GetQzonehistory 5分钟备份指南
如何批量下载QQ空间历史说说GetQzonehistory 5分钟备份指南【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想把多年前发在QQ空间的老说说批量下载下来GetQzonehistory 是一个用于QQ空间历史数据备份的 Python 工具扫码登录后自动翻完你的历史消息列表最终把时间、内容、图片、评论整理成 Excel 表格、网页和一套图片文件夹全部存在你自己的电脑里。为什么你在时间线上翻不到老说说想翻几年前的说说时你会发现QQ空间时间线只能往前翻最近几个月的内容再往前的动态基本翻不到而那些被互动过、甚至后来删掉的说说内容已经散落在消息系统里单条找根本找不到。手动截图保存既慢又不全。GetQzonehistory 做的事就是把这一步批量自动化登录一次工具替你逐页翻完历史消息把数据全部落盘。它是什么输入、输出与产物一览本质一个 Python 脚本通过模拟扫码登录 QQ空间抓取该账号下的历史互动消息和可见说说输入你的 QQ 账号仅扫码全程不经过密码输出resource/result/你的QQ号/目录下的 6 个 Excel 表、1 个网页版、1 个图片文件夹最终产物长这样每行包含时间 / 内容 / 图片链接 / 评论四列的全部列表.xlsx一个还原 QQ空间信息流样式的说说网页版.html以及按条下载好的本地图片快速开始3条命令跑起来第 1 步克隆项目git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory第 2 步安装依赖核心是 pandas 负责生成 Excel、requests 负责网络请求pip install -r requirements.txt第 3 步运行主程序python main.py终端会打印一个二维码用 QQ 手机 App 扫码确认登录之后爬取自动开始。如果先建虚拟环境Windows 激活命令是myenv\Scripts\activatemacOS/Linux 则是source myenv/bin/activate其余步骤一致。它解决了什么问题登录、数据、速度、图片登录不碰密码扫码即走能做什么全程零密码输入登录态缓存在resource/user/目录里下次运行直接选择已登录账号继续不必重复扫码。怎么实现走官方 ptlogin 的二维码流程在 util/LoginUtil.py 中完成取码、轮询和 cookie 保存。双数据源删掉的说说也有机会捞回能做什么从历史消息列表和当前可见说说两个来源取数再自动去重合并。已删除但曾出现在消息列表里的说说能被恢复可见说说则覆盖到 2014 年以前。消息列表里没有的比如仅自己可见、从未被互动的拿不到这是 QQ 侧的限制而非工具缺陷。怎么实现util/RequestUtil.py 负责历史消息的分页请求util/GetAllMomentsUtil.py 负责可见说说的分页拉取。限速分批中途打断也不丢数据能做什么每批 10 条、批间休息 3 秒地稳定推进终端有进度条实时显示按 CtrlC 手动中断时已抓到的数据会自动先保存再退出下次运行接着跑不用从头来。怎么实现先用二分法估算消息总量再分批拉取中断保存逻辑在 main.py 的信号处理里。图片自动归档重名自动处理能做什么每条说说的图片按内容自动命名、下载到pic/子目录重名时追加时间戳网页版中还自动换成高清图链接。怎么实现同样是 main.py 中的保存流程逐张请求并写盘。跑完之后这 6 个文件能做什么在全部列表.xlsx里按时间列筛年份快速找回某一年、某一阶段的所有动态做个人时间线浏览器打开你的QQ号_说说网页版.html头像、配图、评论都在效果接近 QQ空间原信息流适合慢慢回顾把pic/直接当本地图片库用文件名对应说说内容好友列表.xlsx里则是当年和你互动过的人的昵称与 QQ导出结果默认放在resource/result/下想改保存位置可以改 resource/config/config.ini导出完成后程序还会自动打开结果文件夹。常见问题跑之前先看完Q需要输入 QQ 密码吗A不需要。登录全程扫码工具不收集也不存储任何密码。Q导出的数据存在哪里A全部在本地项目的resource/result/你的QQ号/目录不会上传到任何服务器。Q删掉的说说得回多少A删除后仍留在历史消息列表里说能恢复仅自己可见、从未进入消息列表的说获取不到。Q大概要跑多久A每批 10 条且每批间隔数秒说说越多总时长越长进度条会实时显示中途可暂停。QmacOS / Linux 上有额外要求吗A依赖 zbar 扫码库。Linux 可执行sudo dnf install -y zbar安装macOS 运行时会提示你按说明通过 Homebrew 安装。下次再想找某句几年前的话不用在时间线里死翻——打开那份 Excel按日期一搜就行。备份这件事本身不复杂复杂的是那些散落在消息列表深处的旧动态现在它们都在你硬盘上了。【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 2026/11/6 6:37:16

【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 2026/11/6 0:32:51

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 2026/11/6 1:10:54

【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 ... 2026/11/6 17:25:36

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 2026/11/6 14:29:05

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 2026/11/6 14:29:07

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
📞 ✉