把散落在 25 个平台里的个人数据，用一个开源爬虫工具箱全部捡回来

把散落在 25 个平台里的个人数据，用一个开源爬虫工具箱全部捡回来

【免费下载链接】InfoSpiderINFO-SPIDER 是一个集众多数据源于一身的爬虫工具箱🧰，旨在安全快捷的帮助用户拿回自己的数据，工具代码开源，流程透明。支持数据源包括GitHub、QQ邮箱、网易邮箱、阿里邮箱、新浪邮箱、Hotmail邮箱、Outlook邮箱、京东、淘宝、支付宝、中国移动、中国联通、中国电信、知乎、哔哩哔哩、网易云音乐、QQ好友、QQ群、生成朋友圈相册、浏览器浏览历史、12306、博客园、CSDN博客、开源中国博客、简书。项目地址: https://gitcode.com/GitHub_Trending/in/InfoSpider

你有没有算过，自己的个人数据散落在多少个平台里？B 站的观影记录、淘宝的订单、GitHub 的代码提交、知乎的点赞收藏……这些数字资产平时感觉不到重量，可一旦想翻找某条旧记录，往往哪个平台都找不全。InfoSpider 就是为此而生的开源爬虫工具箱——它专门帮你把这些个人数据安全、完整地拿回本地，真正做到"我的数据我做主"。

想翻回三年前的一条弹幕，结果哪都找不到

去年年底，我想找一条三年前在 B 站发过的评论。登录账号，翻收藏、翻历史、翻动态，全都没有。弹幕和评论这种"边角料"数据，平台压根不提供导出入口。类似的憋屈我遇到过很多次：换了手机想找回旧订单，网页存档早就失效；想统计这些年到底写了多少篇博客，只能一篇篇手动数。

平台不是没有数据，它们只是把"导出"这件事做得极其麻烦。手动复制粘贴吧，几百条记录复制到手酸；平台自带导出功能吧，有的根本没这功能，有的导出格式混乱得没法看。我的个人数据明明属于我，想要一份完整的副本，却比登天还难。

转折：一个把数据"搬回家"的开源爬虫工具箱

直到我在开发者社区里翻到 InfoSpider，才觉得这事儿有解了。它是一个开源的个人数据爬虫工具箱，代码全部公开、流程透明，支持的数据源超过二十个：GitHub、QQ 邮箱、网易邮箱、京东、淘宝、支付宝、知乎、哔哩哔哩、网易云音乐、QQ 好友、QQ 群、朋友圈相册、浏览器历史、12306、移动联通电信、博客园、CSDN、开源中国、简书……几乎覆盖了普通人数字生活的方方面面。

它做的事很简单：帮你登录自己的账号，调用官方接口，把属于你的数据整理成整齐的 JSON 文件，存到你指定的文件夹。全程在你自己的电脑上运行，数据不会上传到任何服务器。

五分钟上手：先拿 B 站个人数据练手

光说不练没意思，咱们直接来一遍，整个过程大概四步：

第一步，进入项目目录下的 tools 文件夹，运行python main.py，程序会弹出主界面，就是上面那张图，点一下"哔哩哔哩"。

第二步，在浏览器里登录 B 站，按 F12 打开开发者工具，切到 Network 标签，刷新页面，随便挑一个请求，把 Cookie 复制出来，贴进脚本对应位置。

第三步，运行python Spiders/bilibili/main.py。程序会验证登录状态，然后弹出一个文件夹选择框——给这批数据找个新家。

第四步，等它跑完，打开那个文件夹，你会看到两个 JSON 文件：bilibili_history.json 是完整的观看历史，user_info.json 是你的账号信息。

整个过程不涉及任何"黑科技"，就是把本该属于你的东西，用合法的方式拿回来。其他平台的操作逻辑大同小异，会一个，剩下的都能照葫芦画瓢。

拿回数据之后，能干点什么

别觉得这只是"备份"，数据到手后的玩法多着呢：

• 分析型选手：把 B 站观看历史导进表格，看看自己晚上十点后到底刷了多少视频；把淘宝订单拉出来，算算一年在"冲动消费"上花了多少钱。
• 记录型选手：把 GitHub 的提交记录、博客园和 CSDN 的博文存档，多年后翻出来，就是一份完整的成长编年史。
• 学习型选手：统计自己在技术社区的活动轨迹，找出学习热点和盲区，规划下一阶段该补什么。

说白了，数据是死的，怎么用是活的。InfoSpider 的价值不只是帮你存数据，而是把"用数据做决策"这件事变成可能。

新手最容易踩的坑，提前给你排雷

• Cookie 过期：登录状态失效后提取会失败，重新登录再取一次就行。
• ChromeDriver 版本不匹配：报错多半是这个，去装一个跟你浏览器版本对应的驱动。
• 依赖装不上：建议在干净的虚拟环境里跑pip install -r requirements.txt。
• 数据量大内存吃紧：别一次性贪多，分平台、分批次提取更稳妥。
• 公共网络操作：不要在陌生 Wi-Fi 下导出敏感数据，安全第一。

快问快答：你最关心的几个问题

问：会不会被封号？ 答：它调用的是你账号自己的数据接口，访问频率也做了控制，正常使用很安全。

问：提取的数据格式统一吗？ 答：统一是 JSON，方便你自己写脚本分析，也方便迁移。

问：我想加一个新平台怎么办？ 答：每个数据源都是独立模块，源码就摆在 Spiders 目录下，照着已有模块改就行，门槛不高。

下一步，从备份第一份个人数据开始

回到开头那个问题：你的个人数据，真的完整属于你吗？过去，答案可能是否定的；现在，InfoSpider 给了你一个说"是"的机会。

行动清单很简短：克隆仓库（git clone https://gitcode.com/GitHub_Trending/in/InfoSpider）、装依赖、跑 tools 里的主程序、从你最常用的平台开始导出第一份个人数据。别追求一次全搞定，先备份一个平台，哪怕只是 B 站的观看历史，你也会发现——原来拿回属于自己的数字资产，是一件这么简单的事。

【免费下载链接】InfoSpiderINFO-SPIDER 是一个集众多数据源于一身的爬虫工具箱🧰，旨在安全快捷的帮助用户拿回自己的数据，工具代码开源，流程透明。支持数据源包括GitHub、QQ邮箱、网易邮箱、阿里邮箱、新浪邮箱、Hotmail邮箱、Outlook邮箱、京东、淘宝、支付宝、中国移动、中国联通、中国电信、知乎、哔哩哔哩、网易云音乐、QQ好友、QQ群、生成朋友圈相册、浏览器浏览历史、12306、博客园、CSDN博客、开源中国博客、简书。项目地址: https://gitcode.com/GitHub_Trending/in/InfoSpider