1. 2026-09-03日榜上的那个青春备份器到底是个什么项目今天GitHub的Trending日榜上出现了一个很戳人的项目gaoshu705/qzonearchive。热词区里绕一圈大家搜得最多的就是qzonearchive githubgithub恢复qq空间github上的gaoshu705/qzonearchive——关注点高度一致把QQ空间里写过的东西搬回自己本地硬盘。这个项目我其实关注它挺久了每次它冲上热榜评论区都是一片当年非主流发言被完整扒出来的哀嚎但这恰恰说明它戳中了很多人真实的需求。简单说qzonearchive是一个开源的QQ空间数据归档工具用来把QQ空间里的日志、说说、相册照片、留言板这些内容按结构化方式导到本地生成一份能离线浏览的档案。它做的是备份这件事解决的是平台数据不可控的问题。你不需要懂代码也能跟着教程跑起来只要会扫码登录QQ就能把十年甚至十几年前的碎片记忆整理成一个本地文件夹。这个项目适合哪几类人第一类是我QQ空间里全是黑历史但我不想让它消失的怀旧党第二类是担心平台哪天调整或关闭想把数字资产拿回自己手里的数据谨慎党第三类是想研究开源爬虫/自动化登录、想看看别人怎么绕过平台数据锁的开发者。无论你是哪一类这篇日榜拆解都值得往下看。2. 先说清楚边界qzonearchive到底能帮你存下QQ空间的哪些内容很多人一上来就问能不能把我QQ空间整个打包下载我的回答是先别急着要整个你先搞清楚你账号权限范围内能看到什么。归档工具的能力边界取决于你当前账号的可见范围而不是QQ空间服务器上存了什么。理解这一点后面使用就不会有落差。2.1 日志、说说与留言板文字记忆的全量导出qzonearchive这类工具最成熟的是文本类内容的抓取和归档。日志现在叫日记、说说、留言板这几块的接口结构相对稳定数据以JSON的形式返回工具拿到之后会转成可读的Markdown或HTML。说说这块尤其重要因为很多人从2009年一路发到现在几千条说说的长度足够让工具跑上一阵子。以我实测过的同类工具经验来看说说导出通常会按时间倒序拉取分页参数一般是offset翻页每页20条左右。导出的每条说说会带上发布时间、正文内容、配图列表、点赞数、评论数。评论如果也做了嵌套抓取那备份的完整度会更高。日志部分则相对简单因为每篇日志就是一个独立文档抓下来之后保持原格式、原有配图即可。留言板是另一个重灾区。QQ空间留言板承载了大量踩踩帮你踩踩记得回踩这种远古社交礼仪数据量大且接口翻页很深。完整的归档工具会按留言者账号、留言内容、留言时间、楼层关系去重存储最终生成一个类似聊天记录的时间线文件。2.2 相册与私密内容备份时的访问权限边界相册是qzonearchive里最复杂也最值得关注的部分。普通相册、加密相册、仅主人可见的相册这三种情况在权限上完全不同。工具能导出的是你当前登录态下能访问的相册如果某个相册需要单独回答问题或输入密码那就不是工具能解决的问题你得先在网页端解除限制再回来重新跑。照片下载还有个头疼的地方QQ空间的图片URL通常带签名参数签名有有效期。也就是说如果你导出的速度快图片还能正常下载如果隔了很久再去补拉旧链接可能已经失效。所以实际使用中我的建议是优先把照片下载完文字内容可以后面慢慢补因为文字只是JSON图片才是真正容易丢的。相册导出后一般会按相册名/照片序号组织目录保留原始质量不压缩不做二次处理。另外提醒一句私密内容比如设置了仅自己可见的相册或日志能不能导出完全取决于项目实现时是否做了权限内抓取。如果某个内容在网页端你自己都看不到本地工具也变不出来。这个逻辑对所有爬虫类工具都成立——你拿到的数据是你当前身份能看到的数据。3. 本地跑通全流程从拿到仓库到生成一份可离线浏览的空间档案我第一次跑这类工具的时候最怕的就是照着README都能迷路。这里我把完整流程拆成四段每一步都说清楚为什么这么做。整个操作基于常见实践补充具体命令要以你拉下来的仓库README为准。3.1 环境准备与依赖安装qzonearchive通常用Python实现依赖里大概率会见到requests、beautifulsoup4或者playwright这类库。我建议不要直接装到系统Python里单独建一个虚拟环境最省心避免过两年系统依赖乱掉。git clone https://github.com/gaoshu705/qzonearchive.git cd qzonearchive python3 -m venv venv source venv/bin/activate # Windows 下执行 venv\Scripts\activate pip install -r requirements.txt为什么推荐虚拟环境因为这类爬虫类项目对requests、lxml这类底层库的版本比较敏感系统Python里可能装了别的项目依赖版本一冲突就会冒出各种奇奇怪怪的报错。虚拟环境相当于给这个项目单独开了一个隔间互不干扰。依赖装完先看一眼项目目录结构一般会有config.example.yaml或config.json这种示例配置。把它复制一份改成自己的配置文件指定输出目录、账号相关设置、是否只备份文字不备份图片等选项。这里我的经验是输出目录最好放在机械盘或NAS上因为照片动辄几个G放C盘容易爆。3.2 登录授权与Cookie的保存复用所有QQ空间归档工具都绕不开如何证明你是你这个问题。主流方案有两种一种是拉起浏览器窗口扫码登录另一种是让你手动粘贴Cookie。扫码方案对小白更友好第一次运行会弹出一个二维码你用手机QQ扫码确认后工具会把登录凭证写入本地Cookie文件后续运行直接复用不需要每次扫码。这里有一个很多新手不知道的关键点扫码拿到的Cookie和浏览器长期登录的Cookie有效期不一定一样。有的项目会设计成把Cookie缓存在项目目录下的cookie.txt或类似文件里但QQ端的登录态可能几天或几周就失效一次。所以当你某天运行时报请重新登录别慌删掉旧的Cookie文件重新扫码一次即可。我个人的建议是把这一步当成给工具办了一张限时通行证不要想着永不失效归档这种操作本来也不是天天跑的。每周或每月跑一次增量备份根本不需要频繁登录。3.3 执行导出与数据完整性核对配置好之后就是执行。典型的命令行方式大致是这样python main.py --config config.yaml --output ./qzone_backup跑的时候你会看到日志一行一行滚出来显示正在拉取某页说说、正在下载某张图片。这里我建议先找一个闲置时间段跑全量备份不要挂在公司网络里跑因为数据量大且耗时可能从几十分钟到几小时不等。跑完之后别急着关电脑做一次完整性核对。核对方法很简单看工具是否生成了失败列表或未完成列表。如果中途网络抖动、图片链接过期、接口返回异常工具通常会把失败的条目单独记下来。你要做的就是针对失败列表重新发起补拉或者手动修复而不是看到日志刷完了就默认成功。最终导出的目录里应该会有一个索引文件或者HTML首页双击就能在浏览器里打开一个类似QQ空间首页的本地档案馆。左右列菜单、说说时间线、相册缩略图形式上尽量还原你熟悉的样子。看到自己的青春记忆以这种方式躺在硬盘上还是很有成就感的。4. 技术原理拆解这类归档工具是怎么绕过平台数据锁的理解qzonearchive这类工具的技术原理比单纯会用更重要。因为你会用不代表你能在它出错时发现问题也不代表你能判断它安不安全。下面我按数据流顺序把核心机制拆开讲。4.1 模拟登录与请求签名让接口以为你就是浏览器QQ空间的网页端登录状态是通过Cookie来维持的其中最关键的是skey或p_skey这两个字段。而QQ空间很多接口又要求在请求头中带一个g_tk参数现在也叫bkn这个参数不是服务器下发的而是由Cookie里的skey通过一个固定哈希算法本地计算出来的。这就解释了为什么工具需要先拿到你的Cookie——它需要你的Cookie不仅仅是证明身份还要用Cookie里的skey去计算g_tk签名。没有这个签名接口直接拒绝。这也是很多二手脚本在自己机器上能跑、换台机器就报错的原因签名计算逻辑、Cookie字段解析、UA头设置任何一个环节不一致都会被服务器的风控识别。更讲究的项目会在每次请求前自动刷新g_tk并且把所有请求的User-Agent固定成某个版本的Chrome或Edge避免被识别为脚本。有的还会模拟浏览器自动带上的Referer头因为QQ空间的图片接口会校验Referer不带就返回403。4.2 分页拉取与去重策略如何不漏一条说说说说这种高频内容接口一定是分页的。老一点的接口结构里常见的是offset和num两个参数offset表示偏移量num表示每页数量。每页返回的JSON里有一个数组里面是单条说说的结构化数据包括uin、tid、createTime、content、picInfo等字段。拿来做去重的天然主键是tid说说ID因为它全局唯一且不会变化。合格的工具会维护一个已抓取ID集合每拉到一条新记录先判断tid是否已存在存在就跳过不存在才写入。这样即使你中途中断、再次运行也不会把同一条说说重复写进档案里。相册部分的分页逻辑类似但更繁琐。每个相册有独立的相册ID相册里有照片列表照片又有大图URL、小图URL、原图URL之分。归档工具为了本地浏览便捷通常会同时保留缩略图和大图两个版本原图按用户配置决定是否下载。这个原图下载往往是流量大头一张几MB几百张就几个G。4.3 图片文件的防盗链与本地组织方式QQ空间图片的防盗链机制在业内算是有一定门槛但可解的级别。直接拿图片URL去下载十有八九会收到403因为服务器要求请求必须带Referer头而且这个Referer通常被校验为user.qzone.qq.com或者qzoneapp相关的域名。所以工具在下载图片时必须模拟浏览器行为把Referer和User-Agent都带上否则一张图都拉不下来。另一个容易忽略的点是图片URL的过期签名。很多CDN链接的URL后面带一串expire参数比如expire某个Unix时间戳过了这个时间点链接就失效。这带来的实际操作影响是如果一张图片第一次下载失败隔了几个小时再去重试原链接可能已经变成404需要重新从列表接口里拿到新的图片URL再下载。这也就是为什么我前面强调图片要优先下载文字可以后补。本地组织方式上成熟的工具会把下载的图片按实体ID或相册名建目录例如output/ ├─ logs/ │ ├─ 2026/09/03-一篇日志的标题.md ├─ emotions/ │ ├─ 2026/09/03-20-30-00.md │ ├─ images/ │ │ ├─ 20260903203000-01.jpg ├─ photos/ │ ├─ 那些年的篮球场/ │ │ ├─ 1.jpg │ │ ├─ 2.jpg ├─ profile/ │ ├─ userinfo.json ├─ index.html这种结构的好处是即使不进浏览器页面用文件管理器也能按目录找内容对程序员来说后续做全文检索、时间线统计、关键词过滤都很方便。数据是自己的了怎么用都行。5. 实际跑一遍之后整理出的几个坑与排查思路说实话qzonearchive这类工具本身逻辑不复杂真正让新手劝退的是各种莫名其妙的环境问题。我把实际跑下来遇到的几类坑整理成排查手册你如果哪天卡住了按这个思路走大概率能解决。5.1 登录态频繁失效Cookie失效问题的定位与处理表现工具运行一半弹出请重新登录或者日志显示接口返回auth failed之类的异常。先排除两种情况一是你是否在多个设备上同时登录了同一个QQ二是否修改过QQ密码。这两种都会导致服务端把旧的登录态作废。如果都不是那就是Cookie的自然过期。排查思路是先看项目有没有独立的Cookie缓存文件找到之后删掉重新扫码。如果删掉重扫还是不停失效就要考虑是不是项目使用的某个接口本身对登录态检查很严格比如有的接口需要p_skey而不是skeyCookie不全会导致一会儿能过一会儿不能过。我的建议是跑全量之前先单独测试一个轻量功能比如只导出个人资料确认能通再放全量任务。不要一上来就全量并发那种情况下出错的概率会大好几倍。5.2 触发验证码与频率限制如何让请求像人类而不是捞数据表现日志开始频繁返回需要验证码或者某类请求开始大面积超时。这几乎可以断定是请求频率太快导致的。QQ空间虽然不像很多支付级接口那样变态严格但它有基础的风控如果一个账号在短时间内高频访问大量接口触发滑块验证码是很正常的。而且风控阈值并不透明你今天这个频率没事明天可能同样频率就不行了。对策分三层最简单的是在两次请求之间加延时比如每条说说之间sleep 1秒每组操作之间sleep 5到10秒进阶一点是设置随机延时模拟人类阅读速度比如延时在0.8秒到2.5秒之间随机再高级的是做失败重试机制遇到验证码或429状态码先停下来等60秒再继续。实际跑的时候我建议全量备份放在凌晨执行那时候风控相对宽松不是因为它下班了而是整体请求少异常特征更容易被淹没在正常流量里。5.3 导出中断半途而废断点续传与校验方案表现跑到一半终端崩了或者笔记本合盖休眠再打开发现进程没了。这个问题很多新手会当成从头再来。实际上设计良好的工具会在写入每条记录时立刻落盘而不是攒到最后统一写。这就是断点续传的底层支撑。你重新运行的时候工具先扫描本地已有的记录通过去重逻辑跳过已完成的部分继续拉取剩余数据。这也是为什么去重不只是一个优化手段而是保证可恢复性的关键设计。我的建议是在跑大任务之前先看一下项目有没有提供dry-run或者仅抓取最近N条的测试模式。有的话先小范围测试确认流程畅通再放开全量。没有的话自己用命令行跑一小段比如只导出日志不导出说说和相册验证项目可用性也是一个办法。另外项目如果已经生成了失败列表你可以写一个很小的循环脚本把失败条目重新喂给主程序。这个失败重试环节看着不起眼但如果你有上千个失败项手工操作能把你心态搞崩。写脚本的时候记得也带上延时别刚解除了风控又一头撞回去。6. 热榜之外从qzonearchive看个人数据归档的众生相日榜每天都有项目换了一茬又一茬但qzonearchive能稳定在热词里被反复提起背后其实是这代互联网用户数据自持意识的觉醒。QQ空间从2005年上线到今天已经跨过二十年。这二十年里无数人的中学记忆、大学时光都沉淀在那些说说和相册里。而平台端的调整、功能的下线、数据迁移都不是用户自己能控制的。与其等平台替你做决定不如自己动手把数据拿回来存到自己信任的地方。6.1 同类项目生态不止QQ空间大家在抢救自己的数据qzonearchive并不是孤例。这几年GitHub上出现了大量个人数据归档开源项目微博备份工具、豆瓣标记导出、Twitter/X的第三方导出方案、网易云音乐歌单备份、B站收藏夹批量备份等。它们的共同点是在你还能访问、还有权限的时候把数据尽量完整地搬运到本地。这些项目的走红节奏通常都伴随着某次平台改版、某次API收紧或者某次服务调整用户意识到我的数据可能没有想象中那么安全于是开始自救。这类工具的价值评判标准也趋同导出格式是否开放不要导出一堆专有格式、是否有清晰的本地目录、是否支持增量更新、是否有权限边界说明。有没有漂亮的UI反而是次要的。qzonearchive能在其中脱颖而出很大程度是因为QQ空间数据本身的独特性——它不只是数据还是青春本身情绪价值拉满传播效应自然强。6.2 给新手的几条建议如果你打算用qzonearchive或者类似工具给自己的QQ空间做一次全量备份我最后唠叨几句。第一备份不是一劳永逸的事。你备份完了平台还在产生新数据过半年你发的新说说、传的新相册又成了无备份状态。所以建议把归档当成一个季度任务或者年度任务定期增量跑一次。第二导出的数据要放在靠谱的地方。本地硬盘可能损坏U盘可能丢掉NAS或网盘、移动硬盘至少放两份。我自己的习惯是本地一份、加密压缩后网盘放一份。加密压缩这一步很重要因为QQ空间的数据包含大量隐私一旦压缩包泄露等于你的青春被扒光了示众。第三下载完别急着删平台上的内容。工具备份的是当前可见范围的数据不等于平台上的内容已经完全被复刻。在确认本地数据完整、可读、可检索之后你再考虑清空空间之类的事情也不迟。万一本地数据有问题你还有退路。
qzonearchive：GitHub热门开源工具，一键备份QQ空间的完整指南
1. 2026-09-03日榜上的那个青春备份器到底是个什么项目今天GitHub的Trending日榜上出现了一个很戳人的项目gaoshu705/qzonearchive。热词区里绕一圈大家搜得最多的就是qzonearchive githubgithub恢复qq空间github上的gaoshu705/qzonearchive——关注点高度一致把QQ空间里写过的东西搬回自己本地硬盘。这个项目我其实关注它挺久了每次它冲上热榜评论区都是一片当年非主流发言被完整扒出来的哀嚎但这恰恰说明它戳中了很多人真实的需求。简单说qzonearchive是一个开源的QQ空间数据归档工具用来把QQ空间里的日志、说说、相册照片、留言板这些内容按结构化方式导到本地生成一份能离线浏览的档案。它做的是备份这件事解决的是平台数据不可控的问题。你不需要懂代码也能跟着教程跑起来只要会扫码登录QQ就能把十年甚至十几年前的碎片记忆整理成一个本地文件夹。这个项目适合哪几类人第一类是我QQ空间里全是黑历史但我不想让它消失的怀旧党第二类是担心平台哪天调整或关闭想把数字资产拿回自己手里的数据谨慎党第三类是想研究开源爬虫/自动化登录、想看看别人怎么绕过平台数据锁的开发者。无论你是哪一类这篇日榜拆解都值得往下看。2. 先说清楚边界qzonearchive到底能帮你存下QQ空间的哪些内容很多人一上来就问能不能把我QQ空间整个打包下载我的回答是先别急着要整个你先搞清楚你账号权限范围内能看到什么。归档工具的能力边界取决于你当前账号的可见范围而不是QQ空间服务器上存了什么。理解这一点后面使用就不会有落差。2.1 日志、说说与留言板文字记忆的全量导出qzonearchive这类工具最成熟的是文本类内容的抓取和归档。日志现在叫日记、说说、留言板这几块的接口结构相对稳定数据以JSON的形式返回工具拿到之后会转成可读的Markdown或HTML。说说这块尤其重要因为很多人从2009年一路发到现在几千条说说的长度足够让工具跑上一阵子。以我实测过的同类工具经验来看说说导出通常会按时间倒序拉取分页参数一般是offset翻页每页20条左右。导出的每条说说会带上发布时间、正文内容、配图列表、点赞数、评论数。评论如果也做了嵌套抓取那备份的完整度会更高。日志部分则相对简单因为每篇日志就是一个独立文档抓下来之后保持原格式、原有配图即可。留言板是另一个重灾区。QQ空间留言板承载了大量踩踩帮你踩踩记得回踩这种远古社交礼仪数据量大且接口翻页很深。完整的归档工具会按留言者账号、留言内容、留言时间、楼层关系去重存储最终生成一个类似聊天记录的时间线文件。2.2 相册与私密内容备份时的访问权限边界相册是qzonearchive里最复杂也最值得关注的部分。普通相册、加密相册、仅主人可见的相册这三种情况在权限上完全不同。工具能导出的是你当前登录态下能访问的相册如果某个相册需要单独回答问题或输入密码那就不是工具能解决的问题你得先在网页端解除限制再回来重新跑。照片下载还有个头疼的地方QQ空间的图片URL通常带签名参数签名有有效期。也就是说如果你导出的速度快图片还能正常下载如果隔了很久再去补拉旧链接可能已经失效。所以实际使用中我的建议是优先把照片下载完文字内容可以后面慢慢补因为文字只是JSON图片才是真正容易丢的。相册导出后一般会按相册名/照片序号组织目录保留原始质量不压缩不做二次处理。另外提醒一句私密内容比如设置了仅自己可见的相册或日志能不能导出完全取决于项目实现时是否做了权限内抓取。如果某个内容在网页端你自己都看不到本地工具也变不出来。这个逻辑对所有爬虫类工具都成立——你拿到的数据是你当前身份能看到的数据。3. 本地跑通全流程从拿到仓库到生成一份可离线浏览的空间档案我第一次跑这类工具的时候最怕的就是照着README都能迷路。这里我把完整流程拆成四段每一步都说清楚为什么这么做。整个操作基于常见实践补充具体命令要以你拉下来的仓库README为准。3.1 环境准备与依赖安装qzonearchive通常用Python实现依赖里大概率会见到requests、beautifulsoup4或者playwright这类库。我建议不要直接装到系统Python里单独建一个虚拟环境最省心避免过两年系统依赖乱掉。git clone https://github.com/gaoshu705/qzonearchive.git cd qzonearchive python3 -m venv venv source venv/bin/activate # Windows 下执行 venv\Scripts\activate pip install -r requirements.txt为什么推荐虚拟环境因为这类爬虫类项目对requests、lxml这类底层库的版本比较敏感系统Python里可能装了别的项目依赖版本一冲突就会冒出各种奇奇怪怪的报错。虚拟环境相当于给这个项目单独开了一个隔间互不干扰。依赖装完先看一眼项目目录结构一般会有config.example.yaml或config.json这种示例配置。把它复制一份改成自己的配置文件指定输出目录、账号相关设置、是否只备份文字不备份图片等选项。这里我的经验是输出目录最好放在机械盘或NAS上因为照片动辄几个G放C盘容易爆。3.2 登录授权与Cookie的保存复用所有QQ空间归档工具都绕不开如何证明你是你这个问题。主流方案有两种一种是拉起浏览器窗口扫码登录另一种是让你手动粘贴Cookie。扫码方案对小白更友好第一次运行会弹出一个二维码你用手机QQ扫码确认后工具会把登录凭证写入本地Cookie文件后续运行直接复用不需要每次扫码。这里有一个很多新手不知道的关键点扫码拿到的Cookie和浏览器长期登录的Cookie有效期不一定一样。有的项目会设计成把Cookie缓存在项目目录下的cookie.txt或类似文件里但QQ端的登录态可能几天或几周就失效一次。所以当你某天运行时报请重新登录别慌删掉旧的Cookie文件重新扫码一次即可。我个人的建议是把这一步当成给工具办了一张限时通行证不要想着永不失效归档这种操作本来也不是天天跑的。每周或每月跑一次增量备份根本不需要频繁登录。3.3 执行导出与数据完整性核对配置好之后就是执行。典型的命令行方式大致是这样python main.py --config config.yaml --output ./qzone_backup跑的时候你会看到日志一行一行滚出来显示正在拉取某页说说、正在下载某张图片。这里我建议先找一个闲置时间段跑全量备份不要挂在公司网络里跑因为数据量大且耗时可能从几十分钟到几小时不等。跑完之后别急着关电脑做一次完整性核对。核对方法很简单看工具是否生成了失败列表或未完成列表。如果中途网络抖动、图片链接过期、接口返回异常工具通常会把失败的条目单独记下来。你要做的就是针对失败列表重新发起补拉或者手动修复而不是看到日志刷完了就默认成功。最终导出的目录里应该会有一个索引文件或者HTML首页双击就能在浏览器里打开一个类似QQ空间首页的本地档案馆。左右列菜单、说说时间线、相册缩略图形式上尽量还原你熟悉的样子。看到自己的青春记忆以这种方式躺在硬盘上还是很有成就感的。4. 技术原理拆解这类归档工具是怎么绕过平台数据锁的理解qzonearchive这类工具的技术原理比单纯会用更重要。因为你会用不代表你能在它出错时发现问题也不代表你能判断它安不安全。下面我按数据流顺序把核心机制拆开讲。4.1 模拟登录与请求签名让接口以为你就是浏览器QQ空间的网页端登录状态是通过Cookie来维持的其中最关键的是skey或p_skey这两个字段。而QQ空间很多接口又要求在请求头中带一个g_tk参数现在也叫bkn这个参数不是服务器下发的而是由Cookie里的skey通过一个固定哈希算法本地计算出来的。这就解释了为什么工具需要先拿到你的Cookie——它需要你的Cookie不仅仅是证明身份还要用Cookie里的skey去计算g_tk签名。没有这个签名接口直接拒绝。这也是很多二手脚本在自己机器上能跑、换台机器就报错的原因签名计算逻辑、Cookie字段解析、UA头设置任何一个环节不一致都会被服务器的风控识别。更讲究的项目会在每次请求前自动刷新g_tk并且把所有请求的User-Agent固定成某个版本的Chrome或Edge避免被识别为脚本。有的还会模拟浏览器自动带上的Referer头因为QQ空间的图片接口会校验Referer不带就返回403。4.2 分页拉取与去重策略如何不漏一条说说说说这种高频内容接口一定是分页的。老一点的接口结构里常见的是offset和num两个参数offset表示偏移量num表示每页数量。每页返回的JSON里有一个数组里面是单条说说的结构化数据包括uin、tid、createTime、content、picInfo等字段。拿来做去重的天然主键是tid说说ID因为它全局唯一且不会变化。合格的工具会维护一个已抓取ID集合每拉到一条新记录先判断tid是否已存在存在就跳过不存在才写入。这样即使你中途中断、再次运行也不会把同一条说说重复写进档案里。相册部分的分页逻辑类似但更繁琐。每个相册有独立的相册ID相册里有照片列表照片又有大图URL、小图URL、原图URL之分。归档工具为了本地浏览便捷通常会同时保留缩略图和大图两个版本原图按用户配置决定是否下载。这个原图下载往往是流量大头一张几MB几百张就几个G。4.3 图片文件的防盗链与本地组织方式QQ空间图片的防盗链机制在业内算是有一定门槛但可解的级别。直接拿图片URL去下载十有八九会收到403因为服务器要求请求必须带Referer头而且这个Referer通常被校验为user.qzone.qq.com或者qzoneapp相关的域名。所以工具在下载图片时必须模拟浏览器行为把Referer和User-Agent都带上否则一张图都拉不下来。另一个容易忽略的点是图片URL的过期签名。很多CDN链接的URL后面带一串expire参数比如expire某个Unix时间戳过了这个时间点链接就失效。这带来的实际操作影响是如果一张图片第一次下载失败隔了几个小时再去重试原链接可能已经变成404需要重新从列表接口里拿到新的图片URL再下载。这也就是为什么我前面强调图片要优先下载文字可以后补。本地组织方式上成熟的工具会把下载的图片按实体ID或相册名建目录例如output/ ├─ logs/ │ ├─ 2026/09/03-一篇日志的标题.md ├─ emotions/ │ ├─ 2026/09/03-20-30-00.md │ ├─ images/ │ │ ├─ 20260903203000-01.jpg ├─ photos/ │ ├─ 那些年的篮球场/ │ │ ├─ 1.jpg │ │ ├─ 2.jpg ├─ profile/ │ ├─ userinfo.json ├─ index.html这种结构的好处是即使不进浏览器页面用文件管理器也能按目录找内容对程序员来说后续做全文检索、时间线统计、关键词过滤都很方便。数据是自己的了怎么用都行。5. 实际跑一遍之后整理出的几个坑与排查思路说实话qzonearchive这类工具本身逻辑不复杂真正让新手劝退的是各种莫名其妙的环境问题。我把实际跑下来遇到的几类坑整理成排查手册你如果哪天卡住了按这个思路走大概率能解决。5.1 登录态频繁失效Cookie失效问题的定位与处理表现工具运行一半弹出请重新登录或者日志显示接口返回auth failed之类的异常。先排除两种情况一是你是否在多个设备上同时登录了同一个QQ二是否修改过QQ密码。这两种都会导致服务端把旧的登录态作废。如果都不是那就是Cookie的自然过期。排查思路是先看项目有没有独立的Cookie缓存文件找到之后删掉重新扫码。如果删掉重扫还是不停失效就要考虑是不是项目使用的某个接口本身对登录态检查很严格比如有的接口需要p_skey而不是skeyCookie不全会导致一会儿能过一会儿不能过。我的建议是跑全量之前先单独测试一个轻量功能比如只导出个人资料确认能通再放全量任务。不要一上来就全量并发那种情况下出错的概率会大好几倍。5.2 触发验证码与频率限制如何让请求像人类而不是捞数据表现日志开始频繁返回需要验证码或者某类请求开始大面积超时。这几乎可以断定是请求频率太快导致的。QQ空间虽然不像很多支付级接口那样变态严格但它有基础的风控如果一个账号在短时间内高频访问大量接口触发滑块验证码是很正常的。而且风控阈值并不透明你今天这个频率没事明天可能同样频率就不行了。对策分三层最简单的是在两次请求之间加延时比如每条说说之间sleep 1秒每组操作之间sleep 5到10秒进阶一点是设置随机延时模拟人类阅读速度比如延时在0.8秒到2.5秒之间随机再高级的是做失败重试机制遇到验证码或429状态码先停下来等60秒再继续。实际跑的时候我建议全量备份放在凌晨执行那时候风控相对宽松不是因为它下班了而是整体请求少异常特征更容易被淹没在正常流量里。5.3 导出中断半途而废断点续传与校验方案表现跑到一半终端崩了或者笔记本合盖休眠再打开发现进程没了。这个问题很多新手会当成从头再来。实际上设计良好的工具会在写入每条记录时立刻落盘而不是攒到最后统一写。这就是断点续传的底层支撑。你重新运行的时候工具先扫描本地已有的记录通过去重逻辑跳过已完成的部分继续拉取剩余数据。这也是为什么去重不只是一个优化手段而是保证可恢复性的关键设计。我的建议是在跑大任务之前先看一下项目有没有提供dry-run或者仅抓取最近N条的测试模式。有的话先小范围测试确认流程畅通再放开全量。没有的话自己用命令行跑一小段比如只导出日志不导出说说和相册验证项目可用性也是一个办法。另外项目如果已经生成了失败列表你可以写一个很小的循环脚本把失败条目重新喂给主程序。这个失败重试环节看着不起眼但如果你有上千个失败项手工操作能把你心态搞崩。写脚本的时候记得也带上延时别刚解除了风控又一头撞回去。6. 热榜之外从qzonearchive看个人数据归档的众生相日榜每天都有项目换了一茬又一茬但qzonearchive能稳定在热词里被反复提起背后其实是这代互联网用户数据自持意识的觉醒。QQ空间从2005年上线到今天已经跨过二十年。这二十年里无数人的中学记忆、大学时光都沉淀在那些说说和相册里。而平台端的调整、功能的下线、数据迁移都不是用户自己能控制的。与其等平台替你做决定不如自己动手把数据拿回来存到自己信任的地方。6.1 同类项目生态不止QQ空间大家在抢救自己的数据qzonearchive并不是孤例。这几年GitHub上出现了大量个人数据归档开源项目微博备份工具、豆瓣标记导出、Twitter/X的第三方导出方案、网易云音乐歌单备份、B站收藏夹批量备份等。它们的共同点是在你还能访问、还有权限的时候把数据尽量完整地搬运到本地。这些项目的走红节奏通常都伴随着某次平台改版、某次API收紧或者某次服务调整用户意识到我的数据可能没有想象中那么安全于是开始自救。这类工具的价值评判标准也趋同导出格式是否开放不要导出一堆专有格式、是否有清晰的本地目录、是否支持增量更新、是否有权限边界说明。有没有漂亮的UI反而是次要的。qzonearchive能在其中脱颖而出很大程度是因为QQ空间数据本身的独特性——它不只是数据还是青春本身情绪价值拉满传播效应自然强。6.2 给新手的几条建议如果你打算用qzonearchive或者类似工具给自己的QQ空间做一次全量备份我最后唠叨几句。第一备份不是一劳永逸的事。你备份完了平台还在产生新数据过半年你发的新说说、传的新相册又成了无备份状态。所以建议把归档当成一个季度任务或者年度任务定期增量跑一次。第二导出的数据要放在靠谱的地方。本地硬盘可能损坏U盘可能丢掉NAS或网盘、移动硬盘至少放两份。我自己的习惯是本地一份、加密压缩后网盘放一份。加密压缩这一步很重要因为QQ空间的数据包含大量隐私一旦压缩包泄露等于你的青春被扒光了示众。第三下载完别急着删平台上的内容。工具备份的是当前可见范围的数据不等于平台上的内容已经完全被复刻。在确认本地数据完整、可读、可检索之后你再考虑清空空间之类的事情也不迟。万一本地数据有问题你还有退路。
