ChatGPT聊天记录导出实战：Python自动化方案与避坑指南

1次阅读

没有评论

共计 2605 个字符，预计需要花费 7 分钟才能阅读完成。

最近在整理 ChatGPT 的对话记录时，发现网页端的管理功能非常有限。每次想回顾之前的对话，要么得手动一页页翻找，要么只能复制粘贴到本地文档。这种操作方式存在几个明显问题：

跨会话追踪困难：ChatGPT 的对话记录是按时间倒序排列的，当对话数量多时，很难找到特定的某次对话
格式混乱：直接复制的对话内容会丢失原有的 Markdown 格式，代码块和表格尤其明显
效率低下：对于长期使用 ChatGPT 的用户，手动导出上百条对话记录几乎是不可能完成的任务

在寻找解决方案时，我主要考察了三种方法：

官方导出工具：ChatGPT 目前没有提供完整的对话导出功能，只能单次复制
第三方爬虫：虽然能实现批量导出，但存在账号封禁风险，且违反服务条款
OpenAI API 方案：完全合规，通过官方提供的接口获取数据，稳定性有保障

最终选择了 API 方案，不仅因为它的合法性，还因为它提供了更灵活的后续处理能力。根据 OpenAI 的使用政策，通过 API 获取自己的对话记录是完全允许的。

OpenAI API 提供了 conversation_id 来追踪完整的对话链。以下是核心代码片段：

import openai

# 初始化客户端
openai.api_key = 'your-api-key'

# 获取会话列表
def get_conversations(limit=1000):
    # limit=1000 是 API 允许的单次请求最大值
    return openai.ChatCompletion.list(
        limit=limit,
        order='desc'  # 按时间倒序
    )

为了提高效率，使用 aiohttp 实现异步请求：

import aiohttp
import asyncio

async def fetch_conversation(session, conversation_id):
    url = f'https://api.openai.com/v1/conversations/{conversation_id}'
    headers = {'Authorization': f'Bearer {API_KEY}'}

    try:
        async with session.get(url, headers=headers) as response:
            if response.status == 200:
                return await response.json()
            # 处理 429/503 错误
            elif response.status in [429, 503]:
                await asyncio.sleep(2)
                return await fetch_conversation(session, conversation_id)
            else:
                response.raise_for_status()
    except Exception as e:
        print(f"Error fetching {conversation_id}: {e}")
        return None

对于高频请求，建议实现密钥轮换机制：

API_KEYS = ['key1', 'key2', 'key3']  # 多个 API 密钥
current_key_index = 0

def get_current_key():
    global current_key_index
    key = API_KEYS[current_key_index]
    current_key_index = (current_key_index + 1) % len(API_KEYS)
    return key

使用 Message Delta 可以只获取新增的对话内容：

def get_updates(last_message_id):
    params = {'after': last_message_id}
    return openai.ChatCompletion.list(**params)

对话中的代码块和表格需要特殊转义：

import re

def escape_markdown(text):
    # 处理代码块
    text = re.sub(r'```(.*?)```', r'\`\`\`\1\`\`\`', text, flags=re.DOTALL)
    # 处理表格
    text = re.sub(r'\|', r'\\|', text)
    return text

经过测试，建议将请求频率控制在每秒 3 - 5 次。OpenAI API 的速率限制较为严格，过度请求会导致 429 错误。

自动重试策略：对于 429/503 错误，采用指数退避算法

import random

def exponential_backoff(retries):
    delay = min(2 ** retries + random.uniform(0, 1), 60)
    await asyncio.sleep(delay)

敏感信息过滤：使用正则表达式过滤 API 密钥等敏感信息

SENSITIVE_PATTERNS = [r'sk-[a-zA-Z0-9]{24}',  # API 密钥
    r'\b\d{4}[-]?\d{4}[-]?\d{4}[-]?\d{4}\b'  # 信用卡
]

def filter_sensitive(text):
    for pattern in SENSITIVE_PATTERNS:
        text = re.sub(pattern, '[REDACTED]', text)
    return text

本地缓存：避免重复请求相同对话

import pickle
import os

CACHE_FILE = 'conversations.cache'

def load_cache():
    if os.path.exists(CACHE_FILE):
        with open(CACHE_FILE, 'rb') as f:
            return pickle.load(f)
    return set()

def save_cache(cache):
    with open(CACHE_FILE, 'wb') as f:
        pickle.dump(cache, f)

如何实现跨设备会话同步？可以考虑以下思路：