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!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0133- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00