GetQzonehistory:把QQ空间的历史说说导出成本地Excel和图片备份 GetQzonehistory把QQ空间的历史说说导出成本地Excel和图片备份【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/GetQzonehistoryGetQzonehistory 是一个开源 Python 工具作用是把你自己QQ空间里发布过的历史说说整理成本地文件文字记录存成多份 Excel说说里的图片下载到本地文件夹另外还会生成一个可以在浏览器里直接翻看的 HTML 页面。全程只需要用手机QQ扫码登录数据都落在你自己的电脑上。这个工具适合哪些人多年没整理过空间想给自己留一份离线记录的人担心账号状态变化、未来可能无法访问这些内容的用户想导出文字做简单回顾或统计的个人用户它处理的只是你自己账号下可见的内容不会去抓取别人的空间。导出完成后你会得到哪些文件所有结果都放在resource/result/你的QQ号/这个目录下按类型拆分存放全部列表消息列表中出现的所有记录说说列表你自己发布的原创内容转发列表你转发过的内容留言列表好友留下的评论和留言其他列表其余类型的互动记录好友列表互动过的好友昵称、QQ号、空间主页地址网页版 HTML按时间倒序排列的动态页面包含图片和评论pic 文件夹说说的图片文件名直接取自说说内容整体导出结果的结构大致如下数据量大小取决于你发布过多少条说说以及图片数量带图片的完整备份通常需要几百MB到几GB的磁盘空间。快速开始安装依赖并扫码登录环境要求Python 3.9 或更高版本建议用较新的 3.xWindows、macOS、Linux 均可运行。第一步获取代码并准备环境git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory cd GetQzonehistory python -m venv myenv激活虚拟环境# Windows myenv\Scripts\activate # macOS / Linux source myenv/bin/activate第二步安装依赖并运行pip install -r requirements.txt python main.py第三步扫码登录。程序会显示一个二维码用手机QQ扫描即可完成登录不需要输入账号密码。登录凭证只用于当次会话不会作为密码保存在本地。之后的过程不需要你操作程序先读取空间消息列表再补齐未删除的可见说说每获取 10 条会暂停 3 秒左右以避免请求过快。数据量较大时整个抓取过程会比较久耐心等它跑完即可。完成后程序会自动打开结果文件夹并打印各类文件的条数统计。小提示项目里还有一个辅助入口fetch_all_message.py用于按分页方式拉取可见说说并连同高清图片一起导出为 Markdown可按 README 说明选择使用。几种常见的使用方式给自己留一份离线档案跑完一次完整导出把结果文件夹复制到移动硬盘或云盘之后即使不再访问空间也能随时翻看当年的文字和图片。做内容回顾与统计用 Excel 打开分类好的列表按年份筛选、统计发布频率或者导出文字部分做其他分析。离线浏览直接双击生成的 HTML 文件在浏览器里按时间线回看说说页面中的表情会被替换成对应图片展示。限制、注意事项与常见问题只能拿到可见内容。消息列表里不存在的说说、仅自己可见的说说无法抓取已经删除的内容也不在范围内。可见说说的接口可以覆盖较早年份含 2014 年前的数据。导出耗时。抓取是分批慢速进行的说说和好友越多耗时越长不要在程序跑到一半时关闭终端。中途停止怎么办。手动结束程序时会把已经抓取到的数据先保存下来不必从头再来。图片缺失属于正常现象。部分图片链接可能已经失效程序会跳过无效链接不会因此中断。谨慎使用。该工具适合个人数据备份用途请勿用于抓取他人数据或商业用途注意遵守QQ平台的相关规则也妥善保管导出文件中的个人信息。登录失败或二维码异常通常是网络问题检查能否正常访问QQ相关服务后重新运行程序即可。写在最后如果你的QQ空间里沉淀了很多年的内容而你又从未备份过那么花一个晚上让 GetQzonehistory 跑完一次完整导出是值得的。克隆代码、装好依赖、扫码登录剩下的交给程序——之后那些文字和图片就实实在在地存放在你自己的硬盘里了。【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

相关新闻

最新新闻

R语言开发效率革命:GitHub Copilot集成指南与实战技巧

R语言开发效率革命:GitHub Copilot集成指南与实战技巧

在数据分析、统计建模和可视化领域,R语言凭借其强大的生态和丰富的包库,一直是研究者和开发者的重要工具。然而,对于许多初学者和希望提升效率的开发者而言,R的语法、复杂的函数以及调试过程常常令人望而生畏。你是否也曾为了一段…

2026/8/25 2:03:55
DeepSeek V4-Flash-Vision-Exp:专为智能体优化的轻量级视觉模型实战指南

DeepSeek V4-Flash-Vision-Exp:专为智能体优化的轻量级视觉模型实战指南

如果你最近在关注大模型的技术进展,可能会注意到一个现象:各家厂商都在疯狂堆参数、刷榜单,但真正能让你在项目中直接落地、解决实际问题的能力,却往往语焉不详。特别是对于需要“看懂”图片、图表、文档的智能体(Agen…

2026/8/25 2:03:55
从LLM到智能体:构建AI应用的七步工程化工作流

从LLM到智能体:构建AI应用的七步工程化工作流

1. 从名词到工作流:为什么你学AI总是“乱”如果你最近也在关注AI,尤其是大语言模型(LLM)和智能体(Agent),那你一定和我有同感:信息太杂了。今天刷到一个“Prompt工程速成”&#xff…

2026/8/25 2:03:55
Grok 4.6模型在Google Cloud Vertex AI上的集成与应用实践

Grok 4.6模型在Google Cloud Vertex AI上的集成与应用实践

这次我们来看一个值得关注的技术动态:Grok 4.6 模型正式登陆 Google Cloud Vertex AI 平台。对于开发者、AI 应用构建者以及希望将前沿大模型能力集成到自身业务中的团队来说,这提供了一个新的、更便捷的选项。Grok 作为 xAI 推出的知名模型系列&#xf…

2026/8/25 2:03:55
强模型时代,提示词要从步骤清单改成任务契约

强模型时代,提示词要从步骤清单改成任务契约

强模型不需要被过期步骤牵着走,提示词更该定义目标、边界、验收证据和需要确认的歧义。 新模型上线后,很多团队会遇到一个反直觉的问题:模型更强了,任务结果却没有明显变好。 原因有时不在模型,而在提示词。旧提示词为…

2026/8/25 2:03:55
Python动态地图制作:从时空数据到铁路网络演变可视化

Python动态地图制作:从时空数据到铁路网络演变可视化

最近在整理数据可视化项目时,发现一个很有意思的案例:如何用动态地图来展示德国铁路网络的历史演变。这种“时间推移”(Timelapse)地图,不仅能直观看到铁路网的扩张与收缩,更能从一个侧面反映区域发展、经济…

2026/8/25 1:58:55