自己编写的MSN历史记录合并工具

最新推荐文章于 2024-07-30 17:59:49 发布
最新推荐文章于 2024-07-30 17:59:49 发布
阅读量51 收藏
点赞数
！！News：
  • 可以合并整个MSN目录了。
  • 并正式提出版本号：MSNChatHistoriesCombinator-v0.3.12.0700

  1. 为什么要写它   

      大家可能正在使用MSN Messenger，并且很有可能在多处地方使用，例如家里，办公室.如果这样，她很有可能会给你带来烦恼，因为每处都有一份MSN消息历史记录。这时候你你可能会想，要是能够合并这些记录该多好呀。

    2. 截图以及说明

     基于此，我自己编写了一个小的工具来实现它。
     本工具可以实现任意的MSN聊天记录的合并，不管是同一个人还是不同的人的记录。
     看看截图：
  

选择文件或文件夹

 

查看以前的截屏

 3. 功能以及Change Log

    Version 0.3.12.0700（2006-12-14）

    新功能：

     可以合并整个MSN目录了。

    PS.感谢@X-boy以及@MIX忧郁的建议

    version(2006-11-30)

      新功能：

        可合并同为Gaim生成的历史记录（Gaim只限于普通文本类型的）
        可合并MSN和Gaim生成的历史记录（Gaim只限于普通文本类型的）
        可将合并的记录按Gaim的普通文本格式存储。

      更新的功能：

        可合并同为MSN生成的历史记录

        可将合并的记录按MSN格式存储。

        修复时间戳不正确的问题

        修复消息中某些特殊字符会出错的问题

      version （2006-02-04）

        功能       

          可合并MSN生成的文件

          可将合并的文件以MSN的格式保存
4.下载       

  • 最新版本

     V0.3.12.0700

      For .Net Framework1.1

      For .Net Framework 2

  •  以前的版本    

     V0.2

     For .Net Framework1.1

     For .Net Framework 2

     v0.1  

      点击这里下载类库
      点击这里下载此工具
 
5.Q&A

  如果大家使用之后，有什么问题可以提出来，以致使我能将最好的源代码上传上来。

6. 题外话

    首先感谢我的好朋友Leaf，因为她我才动手去写这个小工具。以前在家里，办公室里各有一份历史记录，但是有的时候需要查找和某人具体时间的对话，这样就不是很方便。自己遇到不方便的时候就打算写这么一个小的工具，但是一直工作太忙，加上自己也无心去写,也只好作罢。最后由于Leaf，终于决心花一点时间实现它。自己写完之后，立即发给她一份，让她试一试，以此表示感谢吧。

7 感谢
   感谢Leafhhou让我有这个想法写本软件

   感谢852y3agnna，Coke355mL ，lealung


8.注意

本软件是:

Last Updated: 2006年12月14日
Last Updated: 2006年11月30日
Last Updated: 2006年07月19日
Last updated: 2006年06月04日
Last Updated: 2006年05月24日
First Beta Version:2006年02月04日

weixin_34254823
关注
MSN历史记录合并工具MSNHistoryCombiner
Jungleford's Home CSDN 分舵
06-11 3044
jungleford如是说    如果你是一个MSN的多年用户，是否会有这样的烦恼：可能你在好几个不同的地方上网（家中、学校、公司、使用笔记本移动等等），在每个地方的机器上都保留一套MSN聊天记录，一段时间后也许你就要离开某个地方了（譬如毕业），但又想保存那台机器上的聊天记录，怎么办？一般是把“C:/Documents and Settings//My Documents/我接收到的文件//历史记
开放MSN历史记录合并工具源代码,让我们一起前进!
weixin_34356310的博客
05-14 40
MSN历史记录合并工具,具体参见该文自己编写的MSN历史记录合并工具,是我于去年春节时为了需要而写的一个工具.为了更清楚的了解该工具,在这里,我还是不厌其烦的说明一下该工具. 为什么写本工具? 大家可能正在使用MSN 并且很有可能在多处地方使用，例如家里，办公室.如果这样，它很有可能会给我们带来一些烦恼，因为每处都有一份MSN消息历史记录。这时候我们可能会想，要是能够合并这些记录该多好呀...
合并MSN聊天记录的脚本（探索中）
Script Ahead, Code Behind
08-13 150
上周回了一趟老家，没网上，只好做些不用上线的事。正好找了点时间来写合并MSN（Windows Live Messenger）的聊天记录的脚本。 MSN的聊天记录以XML文件的形式保存，默认保存在[color=blue]%My Documents%\My Received Files\username\History[/color]里。中文系统的话是默认保存在[color=blue]%我的文档...
TPM分析笔记（一） TPM历史
ZP1015
03-05 7989
目录TPM的历史为什么选择用TPM？TPM 1.1b到1.2的发展历史TPM由1.2发展到2.0版本TPM2.0规范的开发历程发展历程小结TPM标准TPM常见用途 TPM的规范其描述文档，真的写的晦涩难懂，难以阅读。文档很抽象，但是工作需要，姑且就以TPM技术的历史作为切入点，开始逐步分析TPM TCG手册。 TPM的历史 可信平台模块（TPM，Trusted Platform Module）既可以理解为一套规范，定义了安全密码处理器（secure crypto processor）的规格，也可以看作是对此
【原创】9.9项目管理MSN群主题：如何开展配置管理--工具和方法
06-21 202
提问：什么是配置管理谷雨霖【pharos】-CTO-BJ 说:先问个问题，大家认为什么是配置管理？李倩 说:配置管理至少包括版本管理？echo-PM-西安 说:版本的控制太阳：平衡！高效！成长！双赢！ 说:包括所有资源...
如何开展配置管理--工具和方法漫述
谷雨霖 msn:cabinhome@sohu.com
12-07 1509
文/谷雨霖在CMMI和IEEE关于配置管理的正式定义是：软件配置管理是软件工程中的一项规程，包括相关工具和应用技术（过程或方法），公司用它来管理软件资产变更。    一般的来说，配置管理的主要目的是进行工作产品管理，其中包括各类文档、代码、版本、纪要、bug等等。但不要简单理解为，配置管理就是版本管理，配置管理是所有工作产品的管理。    如果一个组织缺乏配置管理，会有哪些问题？【
多服务器的日志合并统计——Apache日志的cronolog轮循和webalizer合并统计
lwowen的专栏
03-21 2922
原文：http://www.chedong.com/tech/rotate_merge_log.html关键词：webalizer apache log analysis sort merge cronolog 日志 分析内容摘要：你完全不必耐心地看完下面的所有内容，因为结论无非以下2点：1 用 cronolog 干净，安全地轮循apache“日”志2 用 sort -m 合并排序多个日志根据
MSN几个面试问题总结
学无止境
02-18 1759
去MSN中国面试，几个问题，回答的不好。虽然很基础，~(@^_^@)~比如什么是CLR?为什么有C#委托?.NET的优点.为什么选.NET开发?以及怎样优化SQL语句?一条SQL语句是怎样请求运行的?Silerlight的优点?相比Flash?首先要清楚的是,.NET平台与C#不是一回事.对开发人员来讲他有俩个概念:首先,它是C#,VB.net等程序运行的平台;其次,它因为为这些语言提供了丰富的类库(称之为基类库)    对于一个将要面向.NET平台进行开发的人来说,了解一下.NET平台的整个构成是非常有必
辞职日记 记录31岁的程序员跳槽心态
jgfyyfd的博客
11-04 2563
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！                vcleaner&am
java 版 ＭＳＮ
07-21
- 开发过程中，版本控制工具如Git是必需的，它可以帮助团队成员协同开发，合并代码，并保持代码的历史记录。 10. **持续集成/持续部署（CI/CD）** - CI/CD工具（如Jenkins、Travis CI）可以自动化构建、测试和...
第二章排错的工具 调试器Windbg（下）
qq_43668007的博客
01-11 1012
第二章排错的工具 调试器Windbg（下）
LangChain链与记忆处理[10]：四种基础内置链、四种文档处理链，以及链的自定义和五种运行方式，让你的大模型更加智能
丨汀、的博客
07-30 131
# LangChain链与记忆处理[10]：四种基础内置链、四种文档处理链，以及链的自定义和五种运行方式，让你的大模型更加智能
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
ORACLE高效多行记录合并：方法与示例
Oracle数据库中的多行记录合并，也称为多值字段合并或连接，是一种常见的数据处理需求，尤其是在报表或分析查询中。本文主要讨论了两种方法来实现这一功能。 首先，介绍的方法4适用于字段范围较小且固定的场景，如...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值