新闻详情

新闻详情

首页 / 资讯中心 / 详情

备份QQ空间全部历史说说:GetQzonehistory从安装到导出Excel的10分钟实操

发布时间:2026/11/4 20:01:41来源:尧图网络
备份QQ空间全部历史说说:GetQzonehistory从安装到导出Excel的10分钟实操
备份QQ空间全部历史说说GetQzonehistory从安装到导出Excel的10分钟实操【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/GetQzonehistoryQQ空间里还留着多年前的说说但分散难找手动截图又费时又乱。GetQzonehistory 是一个开源工具能把账号的历史说说自动抓取并导出成 Excel 表格和可浏览的 HTML 网页适合不想写代码、只会照命令执行的新手。它解决什么问题手工整理空间说说只能逐条截图得到的是一堆图片还容易漏掉。这个工具直接读取消息列表这个数据源把说说、转发、留言、评论和出现过的好友全部拉出来分门别类存成表格顺带下载说说里的图片。它的定位很单一不做内容管理只帮你把空间说说完整留一份本地副本。准备工作环境安装本机需要 Python 3.8 及以上版本。装好后在终端里把项目克隆到工作目录git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory接着创建并激活虚拟环境再安装依赖。激活命令分两行Windows 用第二行macOS/Linux 用第三行python -m venv myenv .\myenv\Scripts\activate source myenv/bin/activate pip install -r requirements.txt在 Linux 上还要额外装 zbar 系统库它负责识别登录二维码程序启动时缺了会直接提示怎么装。如果完全不想配环境项目 release 页有打包好的可执行文件可以跳过以上步骤直接运行。操作流程扫码登录到自动采集第一步运行主程序扫码登录在项目根目录执行下面命令终端会打印出一段二维码字符用手机 QQ 扫一下即可全程不输密码看到登录成功字样就进入下一步python main.py第二步等待自动采集登录后程序按每 10 条一批抓取消息列表每批间隔 3 秒屏幕上有进度条显示整体进度。中途想停就按 CtrlC程序会先把已抓到的内容存盘再退出已处理的数据不会白费。第三步查看导出结果采集跑完后程序会打印一条简要统计总条数、最早一条说说时间、图片数量等并自动打开结果目录直接翻看生成的文件就行。结果展示导出文件说明所有产出都在resource/result/[你的QQ号]/目录下QQ号_全部列表.xlsx按时间排序的完整记录QQ号_说说列表.xlsx只保留自己发布的原创说说QQ号_转发列表.xlsx、QQ号_留言列表.xlsx转发和留言单独拆表QQ号_好友列表.xlsx消息里出现过的好友清单QQ号_说说网页版.html按信息流样式渲染的网页浏览器打开即可翻阅pic/文件夹说说中的图片逐张下载为本地 jpg亮点功能扫码登录不碰密码登录只经过一次扫码凭证是临时的不在本机留存账号密码。登录逻辑可参考 util/LoginUtil.py。双数据源合并自动去重说说同时从消息列表和当前可见说说页两个地方取重复内容自动过滤能让一部分没出现在消息列表里的旧内容也被收录核心抓取逻辑在 util/GetAllMomentsUtil.py。图片自动下载说说里的图片会一并存进pic/文件夹文件名取自说说正文翻图片时能对上是哪条内容。生成 HTML 可视化页面除了 Excel还会额外产出网页版。说说、图片、评论按时间线排列离线打开就能翻阅不用依赖空间网页。适用场景换号前归档老 QQ 号准备清理时先把历史说说整体导出到 Excel再注销也不慌。整理电子相册带照片的说说图片一次性拉全配合网页版快速挑选、做纪念册。个人数据回顾想统计自己发布频率和时间分布带时间戳的表格可以直接做统计原料。注意事项能抓到的范围以消息列表和可见说说页为准仅自己可见和已彻底删除的内容无法找回保留每批 3 秒的默认间隔不要自行调快请求节奏导出文件包含个人隐私留存在本机不要随意上传或外发仅限个人学习与技术研究用途不得用于商业或非法行为快速答疑常见问题Q能备份多少年前的说说A没有严格年份上限只要该条还在消息列表或可见说说页里就能抓到。Q跑完全程要多久A每 10 条暂停 3 秒几千条数据要等几十分钟放着跑完即可。Q不会 Python 能跑吗A可以全程只需复制粘贴四五条命令处理都由程序完成。Q登录失败怎么办A重新运行 main.py 再扫一次Linux 上反复失败时检查 zbar 是否装好。Q账号有风险吗A走扫码登录、不经过密码保持默认节奏且只备份自己的账号个人使用风险较低。写在最后整个流程就是三件事扫码登录、自动抓取、导出表格想让空间说说在本地留一份完整副本的话这个工具足够轻量。免责声明本工具仅供个人学习与技术研究使用不得用于商业或非法用途使用即视为已知晓相关风险并自愿承担。【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 2026/11/4 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 2026/11/3 12:09:35

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 2026/11/4 1:25:31

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 2026/11/4 3:51:11

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
📞 ✉