GetQzonehistory完整教程:一键导出QQ空间历史说说的终极指南
想要完整备份QQ空间的所有历史说说吗?GetQzonehistory是一个强大的开源工具,能够帮你轻松导出QQ空间的所有历史消息,包括说说、转发、留言等内容。本终极指南将为你提供从安装到使用的完整教程,让你快速掌握这个实用的QQ空间数据备份工具。
📋 前置环境准备
在开始安装之前,请确保你的系统已安装以下环境:
- Python 3.7+ - 核心运行环境
- Git - 用于克隆项目仓库
- 网络连接 - 用于下载依赖和访问QQ空间
🚀 快速开始步骤
第一步:获取项目源代码
首先需要获取GetQzonehistory的源代码:
git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory
cd GetQzonehistory
第二步:创建虚拟环境(强烈推荐)
为了避免依赖冲突,建议使用虚拟环境:
Windows系统:
python -m venv myenv
.\myenv\Scripts\activate
macOS/Linux系统:
python3 -m venv myenv
source myenv/bin/activate
第三步:安装依赖包
激活虚拟环境后,安装项目所需依赖:
pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt
主要依赖包括:
requests- 网络请求库pandas- 数据处理库beautifulsoup4- HTML解析库Pillow- 图像处理库qrcode- 二维码生成库
第四步:运行程序
完成环境配置后,即可运行程序:
python main.py
💻 各平台详细配置方法
Windows平台一键配置
Windows用户可以使用以下命令快速启动:
cd GetQzonehistory
python -m venv myenv
.\myenv\Scripts\activate
pip install -r requirements.txt
python main.py
macOS平台快速部署
macOS用户需要注意Python版本管理:
python3 --version
git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory
cd GetQzonehistory
python3 -m venv myenv
source myenv/bin/activate
pip3 install -r requirements.txt
python3 main.py
Linux平台完整安装
Linux用户(Ubuntu/CentOS等)的安装步骤:
sudo apt update && sudo apt install python3 python3-pip git
git clone https://gitcode.com/GitHub_Trending/ge/GetQzonehistory
cd GetQzonehistory
python3 -m venv myenv
source myenv/bin/activate
pip3 install -r requirements.txt
python3 main.py
🔧 核心功能模块详解
GetQzonehistory项目包含多个核心功能模块,每个模块都有特定的职责:
主程序入口模块
- main.py - 主程序入口,负责整体流程控制、数据保存和HTML渲染
- fetch_all_message.py - 消息获取模块,处理QQ空间数据的爬取
工具类模块
- util/LoginUtil.py - QQ空间登录工具,处理扫码登录流程
- util/RequestUtil.py - 网络请求处理,管理所有API调用
- util/GetAllMomentsUtil.py - 说说数据获取,专门处理未删除的说说
配置和工具模块
- util/ConfigUtil.py - 配置管理工具,读取保存路径等设置
- util/ToolsUtil.py - 通用工具函数,提供HTML模板和表情处理
📊 数据导出格式说明
程序运行成功后,会在resource/result目录下生成以下文件:
QQ号_说说列表.xlsx- 所有说说记录,包含时间、内容、图片链接和评论QQ号_转发列表.xlsx- 转发内容记录,完整保存转发信息QQ号_留言列表.xlsx- 留言板内容,记录所有留言数据QQ号_好友列表.xlsx- 好友信息列表,包含昵称和QQ号QQ号_全部列表.xlsx- 完整数据汇总,包含所有类型的内容
⚠️ 常见问题解决方案
问题1:依赖安装失败
- 解决方案:使用国内镜像源,如上述命令中的阿里云镜像
问题2:登录二维码无法显示
- 解决方案:确保系统已安装图形界面和必要的显示库
问题3:网络请求超时
- 解决方案:检查网络连接,或稍后重试
问题4:数据导出不完整
- 解决方案:程序支持断点续传,可重新运行继续获取
🎯 使用技巧和最佳实践
批量处理技巧
程序会自动分批次获取数据,避免单次请求过多导致的问题。每次获取10条数据后休息3秒,确保稳定运行。
数据保存机制
支持手动中断时自动保存已获取的数据,避免重复劳动。程序会在resource/temp目录下保存临时数据。
格式兼容性
导出的Excel文件兼容主流办公软件,包括Microsoft Excel、WPS Office等。
🔒 重要安全提醒
请务必注意:GetQzonehistory仅用于个人数据备份和学习研究目的,请勿用于商业或非法用途。使用时请遵守相关法律法规,尊重他人隐私。
本工具的作者不对本工具的使用或滥用造成的任何直接或间接的损失承担责任。使用者在下载、安装、运行或使用本工具时,即表示已阅读并同意相关声明。
现在你已经掌握了GetQzonehistory的完整使用方法,赶快开始备份你的QQ空间回忆吧!这个简单易用的工具将帮你完整保存那些珍贵的数字记忆,让你的青春岁月有迹可循。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00