新闻详情

新闻详情

首页 / 资讯中心 / 详情

免费扫码导出QQ空间全部历史说说:零基础5分钟完成一次完整备份

发布时间:2026/11/4 18:10:40来源:尧图网络
免费扫码导出QQ空间全部历史说说:零基础5分钟完成一次完整备份
免费扫码导出QQ空间全部历史说说零基础5分钟完成一次完整备份【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昨晚换了新手机想翻出高中毕业那天写的话翻了好几屏空间历史也没翻到。如果你也有过类似的失落——自己写过的东西不该只托管在云端——那 GetQzonehistory 就是干这个的一款免费开源的导出QQ空间说说工具扫码登录后把你的全部历史说说、图片、评论落到本地 Excel 文件和图片文件夹里无需编程基础一行代码都不用你写。这不是焦虑只是把你写过的东西攥在自己手里。 导出完成后你手里会有这些东西所有文件统一放在resource/result/你的QQ号/下跑完程序会自动打开这个目录全部列表.xlsx原创说说与互动消息合并成的总索引想按关键词找某句话先查这张表说说列表.xlsx你的原创内容含发布时间、正文、图片链接、评论转发列表.xlsx你转发的他人内容留言列表.xlsx好友在你说说下的留言其他列表.xlsx其余互动消息好友列表.xlsx好友昵称、QQ号、空间主页QQ号_说说网页版.html还原空间信息流样式的单页网页浏览器打开就能按时间线翻pic/文件夹全部说说图片逐张落地按说说内容命名好对号入座收尾时终端还会逐行打印统计消息总条数、最早一条说说的发布时间、好友数、说说/转发/留言/其他条数、图片总数。数字对得上说明备份是全的。终端敲几行命令开始扫码导出全部说说整个启动过程只有四步克隆仓库、建虚拟环境、装依赖、跑主程序git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory python -m venv myenv source myenv/bin/activate pip install -r requirements.txt python main.pyWindows 上激活虚拟环境改用.\myenv\Scripts\activate本机没装 Python 的话项目 release 里提供了打包好的可执行文件直接运行即可上面的命令都不用敲。扫码登录关于安全吗的四个回答运行后终端会打印一张 ASCII 二维码手机 QQ 扫一下确认就行。二维码有时效看到二维码已失效提示重新运行拿一张新码即可第二次运行时终端会先列出已登录账号输入序号直接复用输入 0 才重新扫码。扫码之后数据去哪儿了这个问题答案都写在代码里走官方扫码登录登录模块 全程不要求你输入或存储密码请求、解析、落盘全部发生在你本机结果只写进本地目录不经过任何第三方中转代码全量开源它到底干了什么你可以对着 主程序入口 逐行审查登录态存在resource/user/目录下用完手动删掉这个目录即可不留后手。登录成功后程序分两段抓取历史消息列表每次取 10 条、批与批之间休息 3 秒说说列表每页 30 条逐页翻完。全程有进度条总时长取决于你的条数可以去忙别的。⚙️ 改导出保存位置或加一种输出格式五个模块分工如下想改哪块先找到它模块职责文件主程序入口登录、分批抓取、数据归类、落盘main.py登录生成二维码、轮询扫码状态、保存登录态util/LoginUtil.py数据抓取历史消息分批取、说说列表翻页util/RequestUtil.py、util/GetAllMomentsUtil.py工具处理HTML 解析、格式转换、网页模板util/ToolsUtil.py配置读取加载三个路径参数util/ConfigUtil.py三个路径都写在 config.ini 里一行一个按需改参数作用temp运行时二维码和中间文件的临时位置user登录态存放位置再运行时免扫码就靠它result导出结果落盘位置系统盘紧张就换到别的盘两个扩展方向想要 JSON 或 Markdown 输出改 main.py 里save_data的落盘逻辑即可想做增量备份或定时任务说说数据已经按页缓存在resource/fetch-all/的 JSON 文件里基于这套缓存往上搭就行。这份备份能拿去干什么3 个真实用法给女儿办 18 岁成礼的妈妈 · 做一份成长档案把女儿小学到高中三年里的说说和照片全部导出和实体照片册一起装进盒子。 我以为就发过几条结果一千多条从她小学报到那天到昨天晚上。准备换办公手机的编辑 · 给自己的文字上双保险新设备启用前先把老账号的空间整个搬回硬盘旧的稿子灵感都不留在线上。 那篇我找不到的旧文导出的 Excel 里搜了一下半分钟就定位到了。整理旧作的写作者 · 把碎话翻成素材早年随手发的句子后来写书时全派上了用场。 当年随手敲的那些行后来都成了新书素材是这个工具帮我翻出来的。❓ 常见问题速查磁盘、依赖、中断结果目录占了好几个 GB系统盘告急现象导出完成pic/ 把盘塞满。 原因每张说说图片都会逐张下载落盘年头多了图片数量可观。 处理跑之前先改 config.ini 里的 result 路径指向其他磁盘跑完整体挪走。Linux / macOS 启动时报无法找到 zbar 共享库现象第一次运行就中断。 原因程序用 pyzbar 解码终端二维码系统要先装 zbar 库。 处理RPM 系系统执行sudo dnf install -y zbarmacOS 可走 Homebrew程序检测到缺失时会在交互里一步步引导你装好。跑到一半按了 CtrlC已抓的数据丢了吗现象手动中断担心推倒重来。 原因程序注册了信号处理器退出前会先把已获取的数据存成 Excel再跑时已抓内容命中本地 JSON 缓存、按内容去重。 处理直接再运行一次即可不必重头抓。提醒工具只能拿到可见且未删除的说说设为仅自己可见等内容不会出现在结果里这是接口本身的限制。最后 3 个动作把说说真正安顿好把整个resource/result/你的QQ号/文件夹复制到另一个存储介质别只留一份删除resource/user/里的登录缓存别让登录态留在公用电脑上工具只跑在你自己的账号上他人的数据不在用途范围内如果这套东西帮你找回了点什么顺手给项目点个 Star——用的人越多它维护得越久。【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
📞 ✉