新闻详情

新闻详情

首页 / 资讯中心 / 详情

QQ空间说说导出免费工具:把历年历史说说备份成本地Excel档案

发布时间:2026/11/4 7:02:03来源:尧图网络
QQ空间说说导出免费工具:把历年历史说说备份成本地Excel档案
QQ空间说说导出免费工具把历年历史说说备份成本地Excel档案【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空间里的历史说说常年躺在服务器上谁也不敢保证哪天就悄悄没了。GetQzonehistory 是一个开源免费的 QQ空间历史说说备份工具核心功能就是 QQ空间说说导出手机扫码登录后能把账号下所有未删除、可见的说说导出成 Excel顺带渲染出网页版和 Markdown并把配图批量下载下来。全程在自己电脑里跑不输密码数据不经过任何第三方服务器。划清导出边界3类说说拿不到先说清楚能拿到什么能拿到账号下所有未删除、可见的说说。数据走消息列表和可见说说接口两条路2014 年之前的老动态也能覆盖每条记录四个字段时间、内容、图片链接、评论评论里保留了谁说的、说了什么拿不到设为仅自己可见的说说、已删除的以及不在空间消息列表里的动态。它们不在数据源里什么工具都取不出来。登录为什么放心工具只在你本机运行二维码直接打在终端里用手机 QQ 扫一下即可全程不碰账号密码数据流只在你电脑和 QQ 空间服务器之间没有第三方中转。从克隆到出结果1个命令块走完安装与运行环境要求是 Python 3Linux/macOS 需要先装 zbar 库扫码识别用Windows 可直接用。剩下的步骤交给这段命令git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory python -m venv myenv source myenv/bin/activate # Windows 用 .\myenv\Scripts\activate pip install -r requirements.txt python main.py运行后终端会打印登录二维码扫码即开始抓取。节奏是固定的每抓 10 条停 3 秒避免被服务器限流几千条就让它慢慢跑。中途按 CtrlC 不会丢数据已抓到的部分会直接写进 Excel剩下的以后重跑。主入口是 main.py跑完后若想再多一份 Markdown 档案再执行一次 fetch_all_message.py 即可。跑完拿到7类文件 存放位置与二次加工结果全部在resource/result/你的QQ号/目录下程序结束会自动打开该目录并打印各表总条数{QQ号}_全部列表.xlsx全部消息。时间列是2023年5月1日 20:33:15这种中文格式内容、图片链接、评论各占一列自动按类型拆分的 4 张表{QQ号}_说说列表.xlsx、_转发列表.xlsx、_留言列表.xlsx、_其他列表.xlsx{QQ号}_好友列表.xlsx顺带的 QQ空间好友列表导出昵称、QQ号、空间主页三列{QQ号}_说说网页版.html仿空间页面浏览器打开就能翻着看pic/文件夹QQ空间图片批量下载成本地 jpg文件名按说说内容命名凭记忆好找。想继续加工的话Excel 就是现成的素材用 pandas 读入后解析时间列按年统计发帖频率、做词频分析都没问题漏下的图再照着图片链接列补一遍。也就是说QQ空间导出 Excel 这件事跑完 main 就已经完成。3个高频疑问要多久、含不含私密、怎么核对5000条说说大概要多久按10 条停 3 秒估算5000 条约半小时。断网导致失败的批次会被跳过、不中断整个流程跑完看一眼终端输出的总条数和预期差太多再重跑一次python main.py。私人说说的数据在里面吗不在。仅自己可见的说说在消息列表和可见接口里都不出现导出结果里自然没有。跑完怎么确认没缺漏结束时程序会自动打开结果目录并打印说说列表共有 X 条图片列表共有 X 张等汇总数字拿来和自己记忆中的条数对一下就行。现在就去做这一件事如果你的空间里压着几千条老说说今晚就把代码跑起来扫一次码——几年积累直接落到本地文件夹里Excel、网页、图片各自归位不再担心哪天悄悄没了。【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 2026/11/4 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
📞 ✉