ChatGPT Exporter 实战指南：如何高效导出对话内容并解析数据结构

1次阅读

没有评论

共计 2477 个字符，预计需要花费 7 分钟才能阅读完成。

在日常开发和使用中，我们经常需要将 ChatGPT 的对话内容导出保存。典型的场景包括：

知识沉淀 ：将有用的对话整理成知识库
合规审计 ：满足企业或行业的合规要求
数据分析 ：对对话内容进行统计分析

然而，原生的导出方式存在诸多局限：

只能导出纯文本格式，丢失了对话的元数据
无法批量导出大量历史对话
缺少结构化数据，不利于后续处理

官方 API 提供了最原始的数据访问能力，但需要开发者自行处理分页、限流等问题。而第三方 exporter 工具则在此基础上做了封装，提供了更友好的接口。

主要差异点：

官方 API 返回的是原始 JSON，包含完整的元数据
第三方工具通常提供了格式化输出功能
性能方面，官方 API 更可控，第三方工具可能有限制

ChatGPT 的对话数据采用 JSON 格式，核心结构如下：

{
  "messages": [
    {
      "role": "user|assistant|system",
      "content": "...",
      "created_at": "timestamp"
    }
  ],
  "conversation_id": "...",
  "title": "..."
}

关键字段说明：

role：标识发言者身份
content：对话内容
created_at：时间戳
conversation_id：会话唯一标识

以下是使用 Python requests 库调用导出接口的基础代码：

import requests
import json

# 配置 API 密钥和端点
API_KEY = 'your_api_key'
ENDPOINT = 'https://api.openai.com/v1/conversations'

headers = {'Authorization': f'Bearer {API_KEY}',
    'Content-Type': 'application/json'
}

# 获取对话列表
def get_conversations():
    response = requests.get(ENDPOINT, headers=headers)
    if response.status_code == 200:
        return response.json()['data']
    else:
        raise Exception(f'API 请求失败: {response.status_code}')

# 导出单个对话内容
def export_conversation(conversation_id):
    url = f'{ENDPOINT}/{conversation_id}/messages'
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.json()
    else:
        raise Exception(f'导出对话失败: {response.status_code}')

# 示例使用
conversations = get_conversations()
for conv in conversations[:5]:  # 限制导出的数量
    data = export_conversation(conv['id'])
    with open(f'{conv["id"]}.json', 'w') as f:
        json.dump(data, f, indent=2)

将 JSON 转换为 CSV 格式：

import pandas as pd

# 假设 data 是导出的 JSON 数据
def json_to_csv(data, output_file):
    # 提取消息内容
    messages = []
    for msg in data['messages']:
        messages.append({'role': msg['role'],
            'content': msg['content'],
            'timestamp': msg['created_at']
        })

    # 转换为 DataFrame 并保存
    df = pd.DataFrame(messages)
    df.to_csv(output_file, index=False)

使用 asyncio 提高导出效率：

import aiohttp
import asyncio

async def async_export(session, conversation_id):
    url = f'{ENDPOINT}/{conversation_id}/messages'
    async with session.get(url) as response:
        return await response.json()

async def batch_export(conversation_ids):
    async with aiohttp.ClientSession(headers=headers) as session:
        tasks = [async_export(session, cid) for cid in conversation_ids]
        return await asyncio.gather(*tasks)

使用正则表达式过滤敏感内容：

import re

def filter_sensitive_content(text):
    # 过滤信用卡号
    text = re.sub(r'\b(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14})\b', '[REDACTED]', text)
    # 其他过滤规则...
    return text