原神抽卡数据全掌握:genshin-wish-export 工具使用指南
你是否曾遇到过这样的困扰:《原神》抽卡后想统计自己的欧非程度,却苦于没有便捷的工具记录和分析祈愿数据?genshin-wish-export 作为一款基于 Electron 开发的祈愿记录导出工具,正是为解决这一问题而生。它能够通过读取游戏日志或代理模式获取 authKey,帮助玩家轻松实现祈愿记录导出与抽卡统计分析,让每一次抽卡都有数据可依。
工具定位:你的专属抽卡数据管家
genshin-wish-export 是一款专为《原神》玩家设计的本地化数据管理工具,核心价值在于解决抽卡记录分散、统计困难的痛点。它支持多语言界面,包括简体中文、English 等十多种语言,适配不同地区玩家需求。工具采用轻量化设计,无需复杂配置即可快速上手,无论是普通玩家还是数据爱好者,都能通过它全面掌握自己的抽卡历史与统计信息。
零门槛部署:3分钟启动流程
步骤一:获取工具
从项目仓库克隆或下载最新版本压缩包,解压至本地任意目录即可完成部署。
步骤二:准备工作
确保《原神》游戏已启动并处于运行状态,这是工具能够正常读取数据的前提条件。
步骤三:启动工具
双击解压目录中的可执行文件,工具将自动完成初始化并打开主界面。首次启动时会默认加载系统语言配置,你也可以在设置中随时切换。
💡 注意:若启动失败,检查是否安装了必要的系统运行库(如 .NET Framework 或 Visual C++ 运行时),Windows 用户可通过系统更新修复依赖问题。
多维度数据透视:游戏内+工具端双视角操作
游戏内操作
- 打开《原神》并登录目标账号
- 进入祈愿界面,点击"历史记录"
- 保持该页面处于前台,不要最小化游戏窗口
工具端操作
- 在工具主界面点击"更新数据"按钮
- 等待工具自动获取并解析数据,过程通常需要 5-10 秒
- 数据加载完成后,即可在统计界面查看各卡池的抽卡分析结果
该界面展示了角色活动祈愿、常驻祈愿和新手祈愿三个卡池的抽卡数据,通过饼图直观呈现不同星级角色/武器的占比,并显示总抽卡次数、五星保底计数、历史五星获取记录等关键信息。
深度功能探索:从数据管理到安全备份
多账号切换与管理
点击主界面"+"按钮可添加新账号数据,支持在不同游戏账号间快速切换。每个账号数据独立存储,避免混淆。
数据导出与格式支持
通过"导出Excel"按钮可将抽卡记录保存为表格文件,支持包含完整抽卡时间、物品名称、星级、保底状态等详细字段,便于离线分析。
数据安全说明
工具所有数据均存储在本地 userData 文件夹中,不会上传至任何服务器。建议定期通过"导出Excel"功能备份数据,防止因重装系统或工具更新导致数据丢失。
常见问题排查
- 数据加载失败:检查游戏是否处于祈愿历史页面,或尝试重启游戏与工具
- 部分数据缺失:可能是游戏日志被清理,可尝试通过代理模式重新获取
- Excel导出错误:确保目标路径有写入权限,避免文件名包含特殊字符
玩家指南:经验分享与实用技巧
定期备份习惯
建议每月导出一次Excel备份,特别是在版本更新前。有玩家反馈,通过对比不同版本的抽卡数据,能清晰看到自己的欧非变化趋势。
数据分析小技巧
导出的Excel表格可使用数据透视表功能,按时间维度分析抽卡规律,或筛选特定五星角色的获取概率,为后续抽卡策略提供参考。
多语言界面切换
如需切换界面语言,进入"设置"面板选择对应语言即可即时生效,无需重启工具。
开发者延伸:二次开发与贡献
环境搭建
# 克隆仓库
git clone https://gitcode.com/GitHub_Trending/ge/genshin-wish-export
# 安装依赖
yarn install
# 开发模式运行
yarn dev
核心模块说明
- 主程序入口:src/main/main.js
- 数据获取逻辑:src/main/getData.js
- 配置管理:src/main/config.js
开发者可基于现有功能进行扩展,如添加新的数据可视化图表、优化代理模式稳定性等,贡献代码前建议先查看项目贡献指南。
genshin-wish-export 以其简洁的操作流程和强大的数据处理能力,成为《原神》玩家不可或缺的辅助工具。无论是想追踪抽卡概率,还是备份珍贵的祈愿记录,它都能提供可靠的解决方案。立即体验,让你的抽卡数据管理更上一层楼。
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 StartedRust059
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。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
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
