钉钉内容抽取

把钉钉里那些「明明进过我电脑、事后却找不回来」的内容——导出的聊天记录、群文件清单、下载下来的文档——变成一张能筛能搜能统计能导出的表。命令行版跑在你本机，网页版就在这一页。

它替你解决什么

解析台：把导出文件变成一张表

下面是真能用的工具，不是截图。没有文件也可以点「用示例数据看看」——那是一份编出来的假聊天记录，人名与内容都是合成的。

它认得哪些格式

解析器先猜格式再解析，猜错了也不会丢内容——最差情况退化成「一行一条」，时间与发言人留空，正文一个字不少。

命令行版：本机那一半

网页版解析导出文件；命令行版还能多做一件网页做不到的事——读你本机上钉钉留下的明文缝隙。一个 Python 文件，只用标准库，没有配置文件、没有守护进程、没有账号。

两处值得说的设计决定

检索用子串扫描，不用全文索引。全文索引的默认分词器按 ASCII 规则切词，一整段中文会被切成一个词——除非关键词恰好等于整段，否则一条也匹配不上。而在几百到几千条的量级上，逐条扫描的开销可以忽略。所以这里刻意不用全文索引查中文。上面解析台的关键词框走的也是同一套子串规则。

归集去重按内容哈希，不按目标路径。源文件的修改时间会被同步工具、整理脚本这类外部进程改写，同一个文件两次运行会被算到两个不同的日期目录去，用路径判重就会重复收一份。改成「同一份内容在同一归集根下只收一次」之后，这个问题从结构上消失了。这是踩过之后改的，不是设计时想到的。

抽得到什么，抽不到什么

这张表是实测结论，不是设想。请对着它决定要不要用：

适合谁

• 手上有一份导出的聊天记录，想快速定位「谁在哪天说了什么」的人
• 需要把某段讨论脱敏后贴进汇报／截图外发的人
• 用钉钉办公、需要把某个项目的往来文件与关键通知归档留底的人
• 能接受「本机侧抽到的是明文缝隙而不是完整聊天记录」这个前提的人——不能接受的话，这个工具帮不了你，任何声称能帮你的工具都值得怀疑