ubuntu 下 chrome histroy文件查看

chromium是chrome的开发版本，两个东西差不多。由于我们更加熟悉chrome浏览器。 下面我用chrome来代替chromium的发音。
chrome浏览器是一个非常前沿的东西，它和google搜索真的是解决了我们知识分享的一大难题。当然我们接触得更多的还是我们的度娘。

chrome很难实现的技术是不是太高深，其实也不全是，当然也不简单，我感觉它做得很好的地方，是它将所有的js数据分析为json结构，通过快速调用json解析来实现了浏览器的功能和页面渲染。

我突然想起想要获得我的历史记录，可惜chromium浏览器不能直接导出，于是我就找度娘，可惜度娘好像没得对相关技术的记录，但是我看到这个百度知道。我知道可能就是这个History文件就是我的目标了。

可是History是在哪个地方呢，我使用及其低端的手段，遍历了家目录下可能的文件，找可能的chromium的工作目录。

$ tree ./\.[a-z]* | grep chrom

找到~/.config/chromium目录，经过核实，确实是我们需要的工作目录。
最终找到History文件路径为

~/.config/chromium/Profile 1/History

一看这种没得后缀名的，可能是二进制文件，而非私有的二进制文件一般都会在文件头表明文件类型。于是我用bless工具打开二进制。

感谢大大，这里看大文件开头是SQLite format 3。 一看就知道正事来了。由于我有sql的经验，于是我简单了了下sqlite语法。
将History文件复制出来，通过下面命令：

$ cp '~/.config/chromium/Profile 1/History'  ~/workspace/code/chrome_test/history/data
$ sqlite3  ~/workspace/chrome_test/history/data/History
sqlite> select * from sqlite_master;

得到下面的表格：

type	name	tbl_name	rootpage	sql
table	meta	meta	2	CREATE TABLE meta(key LONGVARCHAR NOT NULL UNIQUE PRIMARY KEY, value LONGVARCHAR)
index	sqlite_autoindex_meta_1	meta	3
table	urls	urls	4	CREATE TABLE urls(id INTEGER PRIMARY KEY AUTOINCREMENT,url LONGVARCHAR,title LONGVARCHAR,visit_count INTEGER DEFAULT 0 NOT NULL,typed_count INTEGER DEFAULT 0 NOT NULL,last_visit_time INTEGER NOT NULL,hidden INTEGER DEFAULT 0 NOT NULL)
table	sqlite_sequence	sqlite_sequence	5	CREATE TABLE sqlite_sequence(name,seq)
table	visits	visits	6	CREATE TABLE visits(id INTEGER PRIMARY KEY,url INTEGER NOT NULL,visit_time INTEGER NOT NULL,from_visit INTEGER,transition INTEGER DEFAULT 0 NOT NULL,segment_id INTEGER,visit_duration INTEGER DEFAULT 0 NOT NULL, incremented_omnibox_typed_score BOOLEAN DEFAULT FALSE NOT NULL)
table	visit_source	visit_source	7	CREATE TABLE visit_source(id INTEGER PRIMARY KEY,source INTEGER NOT NULL)
index	visits_url_index	visits	8	CREATE INDEX visits_url_index ON visits (url)
index	visits_from_index	visits	9	CREATE INDEX visits_from_index ON visits (from_visit)
index	visits_time_index	visits	10	CREATE INDEX visits_time_index ON visits (visit_time)
table	keyword_search_terms	keyword_search_terms	11	CREATE TABLE keyword_search_terms (keyword_id INTEGER NOT NULL,url_id INTEGER NOT NULL,lower_term LONGVARCHAR NOT NULL,term LONGVARCHAR NOT NULL)
table	downloads	downloads	12	CREATE TABLE downloads (id INTEGER PRIMARY KEY,guid VARCHAR NOT NULL,current_path LONGVARCHAR NOT NULL,target_path LONGVARCHAR NOT NULL,start_time INTEGER NOT NULL,received_bytes INTEGER NOT NULL,total_bytes INTEGER NOT NULL,state INTEGER NOT NULL,danger_type INTEGER NOT NULL,interrupt_reason INTEGER NOT NULL,hash BLOB NOT NULL,end_time INTEGER NOT NULL,opened INTEGER NOT NULL,last_access_time INTEGER NOT NULL,transient INTEGER NOT NULL,referrer VARCHAR NOT NULL,site_url VARCHAR NOT NULL,tab_url VARCHAR NOT NULL,tab_referrer_url VARCHAR NOT NULL,http_method VARCHAR NOT NULL,by_ext_id VARCHAR NOT NULL,by_ext_name VARCHAR NOT NULL,etag VARCHAR NOT NULL,last_modified VARCHAR NOT NULL,mime_type VARCHAR(255) NOT NULL,original_mime_type VARCHAR(255) NOT NULL)
table	downloads_url_chains	downloads_url_chains	13	CREATE TABLE downloads_url_chains (id INTEGER NOT NULL,chain_index INTEGER NOT NULL,url LONGVARCHAR NOT NULL, PRIMARY KEY (id, chain_index) )
index	sqlite_autoindex_downloads_url_chains_1	downloads_url_chains	14
table	downloads_slices	downloads_slices	15	CREATE TABLE downloads_slices (download_id INTEGER NOT NULL,offset INTEGER NOT NULL,received_bytes INTEGER NOT NULL, finished INTEGER NOT NULL DEFAULT 0,PRIMARY KEY (download_id, offset) )
index	sqlite_autoindex_downloads_slices_1	downloads_slices	16
table	segments	segments	17	CREATE TABLE segments (id INTEGER PRIMARY KEY,name VARCHAR,url_id INTEGER NON NULL)
index	segments_name	segments	18	CREATE INDEX segments_name ON segments(name)
index	segments_url_id	segments	19	CREATE INDEX segments_url_id ON segments(url_id)
table	segment_usage	segment_usage	20	CREATE TABLE segment_usage (id INTEGER PRIMARY KEY,segment_id INTEGER NOT NULL,time_slot INTEGER NOT NULL,visit_count INTEGER DEFAULT 0 NOT NULL)
index	segment_usage_time_slot_segment_id	segment_usage	21	CREATE INDEX segment_usage_time_slot_segment_id ON segment_usage(time_slot, segment_id)
index	segments_usage_seg_id	segment_usage	22	CREATE INDEX segments_usage_seg_id ON segment_usage(segment_id)
table	typed_url_sync_metadata	typed_url_sync_metadata	23	CREATE TABLE typed_url_sync_metadata (storage_key INTEGER PRIMARY KEY NOT NULL,value BLOB)
index	urls_url_index	urls	24	CREATE INDEX urls_url_index ON urls (url)
index	keyword_search_terms_index1	keyword_search_terms	25	CREATE INDEX keyword_search_terms_index1 ON keyword_search_terms (keyword_id, lower_term)
index	keyword_search_terms_index2	keyword_search_terms	26	CREATE INDEX keyword_search_terms_index2 ON keyword_search_terms (url_id)
index	keyword_search_terms_index3	keyword_search_terms	27	CREATE INDEX keyword_search_terms_index3 ON keyword_search_terms (term)
table	sqlite_stat1	sqlite_stat1	2977	CREATE TABLE sqlite_stat1(tbl,idx,stat)

第一列是数据类型，第二和第三列都是名字。有的数据类型需要，我们主要看table，两列都是一样的，就不去了解了，在这中间我们看到一个urls的表格。

sqlite> select * from urls;
id|url|title|visit_count|typed_count|last_visit_time|hidden
4|https://www.baidu.com/|百度一下，你就知道|996|261|13205907519338767|0
140|https://www.taobao.com/|淘宝网 - 淘！我喜欢|28|9|13205905606352979|0

然后密密麻麻三万多条记录就出来了，由于是比较隐私的，所以这里就放出来两条，给大家看看格式，下面是markdown格式后的：

id	url	title	visit_count	typed_count	last_visit_time	hidden
4	https://www.baidu.com/	百度一下，你就知道	996	261	13205907519338767	0
140	https://www.taobao.com/	淘宝网 - 淘！我喜欢	28	9	13205905606352979	0

感觉在表格看起要舒服些，下面我提供了一个python脚本，将urls的条目转换为csv文件，csv文件可以用wps表格打开，供大家学习。

import sqlite3
import csv

con = sqlite3.connect('data/History')  # test.db3存在则直接读取，不存在则创建
cur = con.cursor()  # 游标，可以认为类似于recordset

cur.execute('SELECT * FROM urls')
con.text_factory = str   # sqlite默认为unicode输出，此处指定为str，即python默认的utf-8

header = ['id', 'url', 'title', 'visit_count',
          'typed_count', 'last_visit_time', 'hidden']
csv_file = open('history.csv', 'w')
f_csv = csv.DictWriter(csv_file, header)
t = cur.fetchone()
while t is not None:
    t_s = {}
    for i, d in enumerate(t):
        t_s[header[i]] = d
    f_csv.writerow(t_s)
    t = cur.fetchone()

csv_file.close()
cur.close()
con.close()

---

恩恩，为啥做这些了，这个事情大概就是心血来潮，想看看。

唉，今天点csdn的推送，报了一个华为比赛，头疼，有兴趣的小伙伴可以看看2019华为开发者大赛·IOT赛道-华为开发者大赛，csdn系统推送的地址。