TeleParser：抓取和解析 Telegram 聊天记录

TeleParser：抓取和解析 Telegram 聊天记录 这是一个非常轻量级但有效的 Python 实用程序，称为 TeleParser。它是一个单一功能的实用程序，使用 Telegram API 从频道和群组中提取 Telegram 聊天数据，然后以 CSV 或 JSON 格式呈现抓取的数据。 Telegram Web 应用程序为用户提供了从群组、频道和个人互动中导出聊天数据以及任何上传的媒体（包括图像、视频和 GIF）的能力。目前，Telegram 提供的导出聊天数据为 HTML 或 JSON 格式。 虽然 JSON 在某种程度上是一种结构化格式，可以让数字调查人员分析其中包含的数据；不幸的是，对于 Telegram，情况并非如此。因此，如果出现数字调查人员需要分析可能包含数千条消息的 Telegram 频道的情况时，最有效的方法通常是使用第三方分析工具，例如Paliscope YOSE。但是需要首先做的是将 Telegram 聊天数据构建为可以相应处理和分析的格式。手动执行此操作可能会花费大量时间，完全不值得。而 TeleParser - 将有效且快速地完成此任务。 TeleParser 是一个轻量级实用程序，无需安装；只是它要求用户在 config.ini 文件中输入 Telegram API 凭据。然后可以通过简单的调用来运行。从这里开始，它将请求输入目标频道或群组的 ID，然后它将运行并收集所有可用的聊天数据，然后在 CSV 或 JSON 文件中呈现提取的数据。 在这里看到； #tools ##OSINT

我们曾经介绍过很多搜索谷歌的方法，尤其是 Google dorks，对开发者、公民调查和黑客都非常重要。比如，见这里：《》。

我们曾经介绍过很多搜索谷歌的方法，尤其是 Google dorks，对开发者、公民调查和黑客都非常重要。比如，见这里：《》。 但是，如果您是新手，也许很难一下子掌握其要领。即便把基本运算符全背下来也不一定就能够顺利设置一个恰当的和高明的 dorks。 幸运的是，现在有一个很简单的方法，帮助初学者轻而易举地做到使用 dorks 挖掘信息而不需要掌握其技能。 FilePhish 这个工具是一个简单的 Google 查询生成器，用于快速轻松地搜寻文档文件。您不需要使用 dorks 句式，​​只需输入目标网站的 url 和关键字，剩下的工作就交给 FilePhish 好啦。 默认情况下，FilePhish 将使用您输入的站点名称和关键字打开一个新选项卡，支持的文件类型包括 .PDF .DOCX .DOC .CSV .XLSX .TXT .RTF .ODT .PPTX .PPTM .PPT .XML .KML 通过在 “更多文件类型” 选项下选择 “数据库或软件”，它将可以分别搜索 .PHP .SQL .SQLITE .PDB .IDB .CDB .SIS .ODB 和 .ENV .CFG .CONF .CONFIG .CFM .LOG .INF 文件 FilePhish 目前适用于 Safari、Google Chrome 和 Mozilla Firefox 浏览器。 链接： #tools #search #dorking

一个支持多存储的web文件列表程序，使用 Gin 和 React 开发。

一个支持多存储的web文件列表程序，使用 Gin 和 React 开发。 支持 多种存储：本地存储/阿里云盘/OneDrive / Sharepoint（国际版, 世纪互联,de,us）/天翼云盘 (个人云, 家庭云)/GoogleDrive/123云盘/蓝奏云/Alist/FTP/PikPak/闪电盘/S3/WebDav(支持无API的OneDrive/SharePoint)/Teambition（中国，国际）/分秒帧/和彩云 (个人云, 家庭云)/Yandex.Disk/百度网盘/夸克网盘/迅雷云盘/SFTP/一刻相册 部署方便，开箱即用 文件预览（PDF、markdown、代码、纯文本……） 画廊模式下的图像预览 视频和音频预览（mp4、mp3 等） Office 文档预览（docx、pptx、xlsx、...） 预览渲染 文件永久链接复制和直接文件下载 黑暗模式 国际化 受保护的路由（密码保护和身份验证） WebDav（具体 ） Docker 部署 Cloudflare workers 中转 文件/文件夹打包下载 支持视频列表播放和字幕(ass,srt,vtt) 网页上传(可以允许访客上传)，删除，新建文件夹，重命名，移动，复制 |||

苹果与谷歌合作推出数据移植工具 支持将Google Photos的照片传输到iCloud相册

苹果与谷歌合作推出数据移植工具 支持将Google Photos的照片传输到iCloud相册 基于这些法律要求大多数大型科技公司都已经推出数据导出功能，让用户可以直接打包自己的数据下载并上传到其他平台，方便用户在不同的平台之间迁移。日前苹果与谷歌合作为 Google Photos 带来了新的迁移功能，用户可以直接将保存在谷歌相册中的所有照片传输到 iCloud 相册中，不需要用户自行下载再上传。苹果在支持文章中表示：当用户将照片和视频传输到 iCloud 相册时，这些内容不会从谷歌相册中删除，用户也不需要手动下载和上传内容，通过新工具用户可以直接将内容从谷歌传输到 iCloud。传输过程可能需要几个小时甚至几天，具体取决于用户保存的照片和视频数量及尺寸，当完成传输后 iCloud 相册会发出提醒通知用户。这项服务将在全球 240 多个国家和地区提供，不过如果用户使用的是 Apple Account 子账户或托管的 Apple Account 账户则不支持此功能。另外如果用户已经在 iPhone 或 iPad 上启用 iCloud 高级数据保护等功能后，也无法使用此功能，用户必须先解锁高级数据保护后才能导入数据。下面是实际操作步骤：转到谷歌相册网页版并找到 Google Takeout按照谷歌的提示选择 Google Photos 产品并将照片导出选择 Apple – iCloud 照片作为传输目的地，接着使用 Apple Account 账户登录登录时需要点击允许授权谷歌进行操作，即将照片和视频传输到 iCloud 中完成操作后等待谷歌打包数据发送到 iCloud 即可，操作完成后用户将会收到通知您可以在苹果公司的网站和谷歌的网站上了解更多信息，这两个网站都有更详细的说明，包括如何操作以及完成转移后会发生什么。 ... PC版： 手机版：

一个用于传输中的嵌套、非结构化、多模态数据的库，包括文本、图像、音频、视频、3D 网格等。它允许深度学习工程师使用 Python

一个用于传输中的嵌套、非结构化、多模态数据的库，包括文本、图像、音频、视频、3D 网格等。它允许深度学习工程师使用 Pythonic API 高效地处理、嵌入、搜索、推荐、存储和传输多模态数据。 跨/多模态世界的大门：用于表示复杂/混合/嵌套文本、图像、视频、音频、3D 网格数据的超表现力数据结构。吉娜的基础数据结构，CLIP-即服务，DALL·E流，迪斯科艺术等 数据科学强国：通过CPU/GPU上的Torch/TensorFlow/ONNX/PaddlePaddle，大大加快数据科学家在嵌入、k-NN匹配、查询、可视化和评估方面的工作。 传输中的数据：针对网络通信进行了优化，随时可以在线连接，在 Protobuf、bytes、base64、JSON、CSV、DataFrame 中进行快速和压缩的序列化。非常适合流式传输和内存不足数据。 一站式k-NN：主流矢量数据库的统一一致的API，允许最近的邻居搜索，包括Elasticsearch，Redis，ANNLite，Qdrant，Weaviate。 对于现代应用程序：GraphQL 支持使您的服务器在请求和响应时具有多功能性;内置的数据验证和 JSON 架构 （OpenAPI） 可帮助您构建可靠的 Web 服务。 Pythonic 体验：设计得像 Python 列表一样简单。如果你知道如何Python，你就知道如何DocArray。直观的习语和类型注释简化了您编写的代码。 与IDE集成：在Jupyter笔记本和Google Colab上实现漂亮的打印和可视化;PyCharm & VS Code 中的全面自动完成和类型提示。 DocArray由三个简单的概念组成： 文档：一种数据结构，用于轻松表示嵌套的非结构化数据。 DocumentArray：用于高效访问、操作和理解多个文档的容器。 数据类：用于直观地表示多模态数据的高级 API。 | #数据库

Quibbler是一个工具集，用于构建高度交互但可重现的， 透明高效的数据分析管道，允许使用标准Python语法通过任何一系列的

Quibbler是一个工具集，用于构建高度交互但可重现的， 透明高效的数据分析管道，允许使用标准Python语法通过任何一系列的分析步骤处理数据，而自动保持下游结果与上游原始数据之间的连接来源。 Quibbler促进并接受人类干预作为固有部分 分析管道：输入参数，以及异常和覆盖，可以通过编程方式指定和调整，也可以通过以下方式指定和调整与“实时”图形交互，所有此类干预都是自动的记录在有据可查的人机可读文件中。对此类参数的更改向下游传播，查明哪些特定数据项，或甚至其中的特定元素也会受到影响，从而大大节省了不必要的重新计算。因此，Quibbler促进了与数据的动手交互不仅灵活、有趣和互动，而且可追溯，可重现，计算效率高。 主要特点 互动：创建交互式图形就像 简单就像使用表示参数值的参数调用标准 Matplotlib 图形函数一样；以图形方式呈现的任何数据都是自动实时和交互式的 （不需要繁琐的回调函数编程）。 可追溯性和可重复性：跟踪哪些特定数据项和分析参数会影响焦点下游结果（请参阅依赖关系图）；固有的撤消/重做功能；将参数值保存/加载为 人类可读的记录（作为外部文本文件， 或在Jupyter笔记本内）。 计算效率：参数更改后，Quibbler 会精确定位并仅重新计算特别受影响的数组元素 下游分析步骤（此处）。 以上所有内容都使用完全标准的函数和编程语法 - 只需“iquib”你的输入和代码即可栩栩如生！ Quibbler目前支持所有Python运算符的自然编码语法，切片，getitem，Numpy函数， Matplotlib graphics、Matplotlib widgets 和 ipywidgets。它进一步提供了一种简单的合并方法 任何用户功能或任何其他（非图形）包中的功能。 除了 Matplotlib 之外，对其他图形包的支持将在未来的版本中提供。 | #工具