ChromePass:一键找回Chrome浏览器所有保存密码的终极方案
你是否曾经在登录某个重要网站时,明明记得在Chrome浏览器中保存过密码,却怎么也想不起来具体是什么?别担心,ChromePass这款开源工具就是你的救星!它能够快速提取Chrome浏览器中保存的所有密码信息,让你轻松找回遗忘的登录凭据。
🗝️ 为什么你需要ChromePass?
想象一下这些场景:
- 紧急登录:需要快速登录某个重要账号,但密码早已遗忘
- 账号迁移:更换电脑或浏览器时,需要导出所有保存的密码
- 安全备份:定期备份重要账号密码,防止意外丢失
ChromePass正是为解决这些痛点而生,它支持Windows和类Unix系统(macOS除外),操作简单,无需复杂配置。
🚀 快速开始:三步搞定密码提取
第一步:获取工具
git clone https://gitcode.com/gh_mirrors/chr/chromepass
cd chromepass
第二步:Windows用户特别注意 在运行程序前,需要先安装PyWin32依赖包,这是Windows系统下解密功能正常运行的前提条件。
第三步:选择输出方式 根据你的需求,选择最适合的输出格式。
📊 三种实用输出格式任你选
即时查看模式
如果你只是想快速浏览当前保存的所有密码,这是最直接的方式:
python chromepass.py -d
终端会立即显示所有账号的网站地址、用户名和密码信息,适合临时查询使用。
CSV表格导出
需要将密码信息整理成表格进行管理?CSV格式是最佳选择:
python chromepass.py --o csv
导出的chromepass-passwords.csv文件可以用Excel、Numbers等电子表格软件打开,方便进行分类、排序和长期保存。
JSON数据格式
对于开发者和技术人员,JSON格式提供了最大的灵活性:
python chromepass.py --o json
这种格式适合后续的自动化处理,可以轻松集成到其他工具或脚本中。
🔍 技术原理浅析
Chrome浏览器会将用户保存的密码加密存储在特定路径的数据库文件中。在Windows系统中,路径通常为:
Appdata\Local\Google\Chrome\User Data\Default\Login Data
密码通过系统的CryptProtectData函数进行加密保护,而ChromePass则通过逆向工程和系统接口调用,安全地解密并提取这些敏感信息。
⚠️ 重要安全提醒
本地处理原则:所有密码解密和提取操作都在本地计算机完成,数据不会上传到任何服务器,确保你的隐私安全。
权限要求:确保运行程序的用户账户有权限访问Chrome的用户数据目录。
合法使用:请仅限提取自己账户的密码信息,严格遵守隐私保护法规。
🛠️ 常见问题解决方案
问题1:数据库被锁定 如果遇到"database is locked"错误,请确保Google Chrome没有在后台运行,关闭所有Chrome窗口后再试。
问题2:找不到数据库 如果提示"unable to open database file",请检查Chrome是否正确安装,或者尝试手动指定数据库路径。
💼 实际应用场景
个人用户:定期备份重要账号密码,防止意外丢失或遗忘。
技术支持:帮助家人或客户恢复遗忘的登录信息。
安全审计:检查当前保存的密码安全状况,及时发现弱密码。
📋 操作要点速记
- 克隆项目 → 获取最新代码
- 检查依赖 → 确保环境完整
- 选择格式 → 根据需求输出
- 妥善保存 → 确保信息安全
ChromePass以其简洁的操作、强大的功能和免费开源的特性,成为了Chrome密码管理的理想工具。无论是技术新手还是资深用户,都能在几分钟内掌握使用方法。现在就动手尝试,让你的密码管理变得简单高效!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00