news 2026/9/28 16:48:39

QQ空间数据导出工具GetQzonehistory:3步完成本地备份

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
QQ空间数据导出工具GetQzonehistory:3步完成本地备份

QQ空间数据导出工具GetQzonehistory:3步完成本地备份

【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

GetQzonehistory 是一个 QQ 空间说说本地备份工具,解决历史说说难查找、无法批量导出的问题。它从空间消息列表抓取历史说说,并用可见说说去重补充,最后导出 6 个 Excel、网页版 HTML 和全部图片。跑通只需一条命令,本文按安装、运行、验收走完一遍。

场景:QQ空间老说说难翻找的三个卡点

在QQ空间网页版里翻找2019年发的说说,消息列表只能一页页往后拖,越往后记录越稀,某些批次翻到底就是一整屏空白。想给几年的动态留一份底,通常会卡在这几处:

  • 老说说只能逐页翻,没有按年筛选
  • 图片只有缩略图,原图拿不到
  • 网页版没有任何批量导出入口

GetQzonehistory 就是为这个场景做的:把消息列表和历史说说一次性落到本地文件。

功能清单:QQ空间数据本地备份能做什么

从结果看,它能做的事比较具体:

  • 扫码登录:QQ扫码认证,不经过密码,登录态缓存在resource/user/
  • 分批抓取:消息列表按10条一批拉取,每批间隔3秒,带进度条
  • 去重补充:可见说说与已抓内容比对,重复的不重复入库
  • 中断保存:Ctrl+C 也会把已抓数据写盘,重跑接着来
  • 多格式落盘:6个Excel、网页版HTML、图片目录一次生成
  • 本地处理:解析与保存全在本机完成,不经过第三方服务器

环境要求与3步安装

环境要求:

  • Python 3.9+(依赖里 pandas 版本为 2.2.3)
  • Windows / macOS / Linux 均可
  • macOS 需额外安装 zbar 库(pyzbar 依赖)
  • 能正常访问QQ空间网页版
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.py

最后一步直接运行 主入口;Windows 把激活命令换成myenv\Scripts\activate,macOS 装依赖前先执行brew install zbar。

运行流程:从扫码到导出结果

跑起来之后的过程很短:

  1. 首次运行,终端打印二维码,用QQ扫码
  2. 登录成功,打印QQ号和昵称
  3. 进度条按10条一批推进,每批停3秒
  4. 抓完后自动补当前可见说说并去重
  5. 生成文件,成功后自动打开结果目录
resource/ ├── config/config.ini # 保存路径配置 ├── result/{QQ号}/ # 导出结果 ├── temp/ # 临时缓存 └── user/ # 登录态缓存

关键配置两处:config.ini里改result的保存位置;user/里存登录态,重跑时输入 0 可重新扫码。批与批的间隔是代码里写死的频率控制,登录失败会打印错误信息,重跑重新扫码即可。

导出结果文件说明

所有产出落在resource/result/QQ号/下:

  • QQ号_全部列表.xlsx— 所有消息的完整记录
  • QQ号_说说列表.xlsx— 自己发的说说,含时间与图片链接
  • QQ号_转发列表.xlsx— 转发内容记录
  • QQ号_留言列表.xlsx— 互动留言存档
  • QQ号_好友列表.xlsx— 互动好友昵称与QQ号
  • QQ号_其他列表.xlsx— 其他互动内容
  • QQ号_说说网页版.html— 还原版式,图片直接预览
  • pic/— 说说图片的本地副本

建议先打开「全部列表.xlsx」核对最早时间和总条数,再抽查网页版的图片显示情况。

进阶用法:完整导出与结果二改

  1. 补全旧说说:单独跑python [fetch_all_message.py](https://link.gitcode.com/i/f2bdf53ef6c8f709bca08b164aa9422f),按每页30条拉取全部未删除说说(含2014年前的),生成resource/fetch-all/所有可见说说.md并下载高清图片,和主流程的消息列表数据互为补充。
  2. 复用登录态:cookie 已存进resource/user/后,重跑时选择用户序号即可,不必再扫码;输入 0 走重新登录。
  3. 网页版二改:用文本编辑器打开QQ号_说说网页版.html,修改<style>块里的字体和背景色,另存成纪念册页面,或打印成 PDF。
  4. 年度统计:用 pandas 读说说列表.xlsx,对时间列取年份分组 count,一行代码得到每年的说说数量。

避坑与排障:常见4类问题

实际跑下来最容易碰到的问题:

现象最可能原因解决
扫码登录失败pyzbar 缺系统库 zbarmacOS 执行brew install zbar,Linux 用系统包管理器安装
说说条数偏少消息列表只含出现过互动的记录可见说说已自动补充;仅自己可见的旧说说不在消息列表里
图片有缺失旧图链接失效,工具直接跳过对照pic/数量与终端输出,失效链接只能手动补
结果不在预期位置默认按相对路径生成检查resource/config/config.ini里的result项

收尾一句:登录失败和数据偏少基本都源于登录态和消息列表覆盖范围,先确认扫码账号是不是目标账号,再看user/目录下的缓存是否对应。

本工具仅用于个人记忆归档与技术学习。说说的数据权益受QQ平台相关条款约束,导出内容涉及他人昵称与头像,请勿公开传播;也不要将导出数据用于商业用途。

GetQzonehistory 把QQ空间历史说说的翻找变成一次性的本地数据备份,Excel、HTML、图片各归其位。克隆仓库、装好依赖、跑python main.py,扫码之后剩下的就是等进度条。说得多的人批次不少,预留出整块时间再开始。

【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

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/28 16:47:22

Submersion AI推出Basin:基于CyberGym训练的安全专用模型解析

1. 从“Submersion AI Debuts Basin”说起&#xff1a;这个标题到底在讲什么第一次看到“Submersion AI Debuts Basin”这个标题&#xff0c;我脑子里蹦出来的第一个念头是&#xff1a;这又是一个把“潜水”和“水池”拼在一起的AI概念&#xff1f;但仔细拆开看&#xff0c;Sub…

作者头像 李华
网站建设 2026/9/28 16:46:20

Jev智能if语句:一次调用多判断与置信度路由实战

1. 从「if-else」到「智能路由」&#xff1a;为什么我们需要把AI判断封装成语句写过业务代码的人都有体会&#xff0c;最让人头疼的不是复杂算法&#xff0c;而是那些层层嵌套的条件判断。一个订单要不要走风控审核&#xff0c;一个客服工单要不要升级&#xff0c;一条内容要不…

作者头像 李华
网站建设 2026/9/28 16:46:01

CANOe+CAPL实现UDS诊断上位机开发实战

1. 项目概述&#xff1a;这不是“5分钟速成”&#xff0c;而是老司机带你绕过UDS上位机开发的90%坑CANOe实战&#xff1a;5分钟搞定UDS诊断上位机开发&#xff08;附CAPL脚本&#xff09;——这个标题乍看像短视频封面&#xff0c;但实际在汽车电子测试圈里&#xff0c;它戳中的…

作者头像 李华
网站建设 2026/9/28 16:46:01

蝗虫检测数据集:VOC+YOLO双格式1501张田间实景图

简介&#xff1a;本资源是一个面向计算机视觉初学者与农业AI应用开发者的蝗虫目标检测专用数据集&#xff0c;适用于YOLO系列、Faster R-CNN等主流检测模型的训练与验证。数据集共包含1501张真实场景下的蝗虫图像&#xff0c;全部标注为单类别“grasshopper”&#xff0c;提供P…

作者头像 李华
网站建设 2026/9/28 16:45:07

Python+OpenCV红绿灯检测实战:HSV颜色空间与轮廓筛选

简介&#xff1a;这份资源面向计算机视觉初学者与智能交通方向开发者&#xff0c;提供一套基于Python与OpenCV的红绿灯检测完整实现&#xff0c;可用于自动驾驶感知、交通监控等场景的入门实践。压缩包共12个文件&#xff0c;以6个png与1个jpg示例图像、2个py核心脚本、2个md说…

作者头像 李华