用 Python 分析微信群聊记录，是怎样一种体验？

1. 场景

前几天，有一位小伙伴在后台给我留言，说自己有几十个微信群，自己精力有限，没法看过来，想要筛选一些高质量的群，让我是否能帮忙想想办法。

其实，微信群里的所有聊天记录都在手机本地文件夹内，只需要导出来进行解密，然后来一波数据分析，就可以帮他筛选出高质量的社群。

本篇文章将带大家用 Python 一步步来实现这个功能。

2. 实现步骤

第 1 步，导出微信聊天记录数据库

首先，我们使用一部 Root 后的手机或者模拟器登录微信，找到微信聊天记录数据库，然后导出到本地。

数据库文件的完整路径如下：

 
 
 
 
      
  
  
  
  1. # 微信聊天记录数据库完整路径 
    2.   
  
  
  
  2. /data/data/com.tencent.mm/MicroMsg/[当前登录微信的随机字符串]/EnMicroMsg.db 
    3.

需要注意的是，如果当前设备没有 Root，可以选择群聊消息进行一次迁移，然后从 Root 设备或模拟器中导出数据库。

第 2 步，获取数据库的密码

微信数据库的密码组成形式为：手机 IMEI + 微信 UIN，然后 md5 加密(32 位小写)的前 7 个数字。

其中，手机的 IMEI 可以通过 *#06# 获取，如果是双卡手机，需要自己做一下判断。

微信的 UIN 在下面配置文件中，找到 name 属性为 default_uin 的 value 值，即为 UIN

 
 
 
 
      
  
  
  
  1. # 当前登录微信的配置文件 
    2.   
  
  
  
  2. /data/data/com.tencent.mm/shared_prefs/system_config_prefs.xml 
    3.

最后，然后将 IMET 和 UIN 组成字符串，然后利用 MD5 进行加密，取 32 位小写的前 7 位即为微信数据库的密码。

第 3 步，破解数据库

由于微信数据库是使用 SQLCipher 生成，所以要先安装 sqlcipher 命令行文件

 
 
 
 
      
  
  
  
  1. # 安装sqlcipher命令行（Mac） 
    2.   
  
  
  
  2. brew install sqlcipher 
    3.   
  
  
  
  3.  
    4.   
  
  
  
  4. # Win可以去下载sqlcipher命令行文件 
    5.

然后，输入数据库的密码及解密方式等，导出破解后的数据库。

第 4 步，分析数据库

推荐使用 SQLiteSutdio 打开并分析上面破解后的数据库，重点查看 message、rcontact、chatroom 这 3 张表。

微信所有的文字聊天记录都存放在 mesage 数据表中，包含：聊天内容、发送者、消息类型、创建时间等

rcontact 为微信通讯录表，包含：微信 ID、昵称、备注名等

chatroom 是群聊信息表，包含：群聊 ID、成员列表等

第 5 步，Python 打开数据库并封装

使用 sqlite3 连接本地数据库文件，获取数据库对象和游标对象

 
 
 
 
      
  
  
  
  1. import sqlite3 
    2.   
  
  
  
  2.  
    3.   
  
  
  
  3. def __init__(self, db_path="./weixin.db"): 
    4.   
  
  
  
  4.     """ 
    5.   
  
  
  
  5.     本地数据库初始化 
    6.   
  
  
  
  6.     """ 
    7.   
  
  
  
  7.     self.db = sqlite3.connect(db_path) 
    8.   
  
  
  
  8.     self.cursor = self.db.cursor() 
    9.

接着，对数据库常用的操作，包含：增删改查，进行封装操作。

 
 
 
 
      
  
  
  
  1. def execute(self, sql, param=None): 
    2.   
  
  
  
  2.     """ 
    3.   
  
  
  
  3.     sql: Sql语句，包含：增、删、改 
    4.   
  
  
  
  4.     param：数据，可以为列表、字典，也可以为空 
    5.   
  
  
  
  5.     """ 
    6.   
  
  
  
  6.     try: 
    7.   
  
  
  
  7.         if param is None: 
    8.   
  
  
  
  8.             self.cursor.execute(sql) 
    9.   
  
  
  
  9.         else: 
    10.   
  
  
  
  10.             if type(param) is list: 
    11.   
  
  
  
  11.                 self.cursor.executemany(sql, param) 
    12.   
  
  
  
  12.             else: 
    13.   
  
  
  
  13.                 self.cursor.execute(sql, param) 
    14.   
  
  
  
  14.             count = self.db.total_changes 
    15.   
  
  
  
  15.             self.db.commit() 
    16.   
  
  
  
  16.     except Exception as e: 
    17.   
  
  
  
  17.         print(e) 
    18.   
  
  
  
  18.         return False, e 
    19.   
  
  
  
  19.  
    20.   
  
  
  
  20.     # 返回结果 
    21.   
  
  
  
  21.     return True if count > 0 else False 
    22.   
  
  
  
  22.  
    23.   
  
  
  
  23. def query(self, sql, param=None): 
    24.   
  
  
  
  24.     """ 
    25.   
  
  
  
  25.     查询语句 
    26.   
  
  
  
  26.     sql：Sql语句 
    27.   
  
  
  
  27.     param：参数，可以包含空 
    28.   
  
  
  
  28.     retutn：成功返回True 
    29.   
  
  
  
  29.     """ 
    30.   
  
  
  
  30.     if param is None: 
    31.   
  
  
  
  31.         self.cursor.execute(sql) 
    32.   
  
  
  
  32.     else: 
    33.   
  
  
  
  33.         self.cursor.execute(sql, param) 
    34.   
  
  
  
  34.  
    35.   
  
  
  
  35.     # 返回查询的结果 
    36.   
  
  
  
  36.     return self.cursor.fetchall() 
    37.

第 6 步，通过群聊名称获取群聊 ID

根据群聊昵称，使用 Sql 语句查询 rcontact 表，可以获取群聊的 ID 值

 
 
 
 
      
  
  
  
  1. def __get_chartroom_id(self): 
    2.   
  
  
  
  2.     """ 
    3.   
  
  
  
  3.     获取群聊的id 
    4.   
  
  
  
  4.     :return: 
    5.   
  
  
  
  5.     """ 
    6.   
  
  
  
  6.     res = self.db.query('select username from rcontact where nickname=?;', (self.chatroom_name,)) 
    7.   
  
  
  
  7.  
    8.   
  
  
  
  8.     # 群聊id 
    9.   
  
  
  
  9.     chatroom_id = res[0][0] 
    10.   
  
  
  
  10.  
    11.   
  
  
  
  11.     return chatroom_id 
    12.

第 7 步，获取群聊消息

拥有群聊 ID 之后，紧接着查询 message 表，获取当前群聊的所有消息内容。

 
 
 
 
      
  
  
  
  1. # message表：聊天记录表 
    2.   
  
  
  
  2. # isSend=0:对方发送的；isSend=1：自己发送的 
    3.   
  
  
  
  3. sql = "SELECT content FROM message WHERE talker='{}' and isSend=0".format(chatroom_id) 
    4.   
  
  
  
  4.  
    5.   
  
  
  
  5. # 查询表，获取所有的聊天记录 
    6.   
  
  
  
  6. result = self.db.query(sql) 
    7.

为了获取有效的消息内容，可以清洗掉自己发送的消息、系统消息、红包消息等内容

 
 
 
 
      
  
  
  
  1. # 循环查询到的所有的消息 
    2.   
  
  
  
  2. for item in result: 
    3.   
  
  
  
  3.     # 过滤数据 
    4.   
  
  
  
  4.     if not item or not item[0] or item[0].find('xml') != -1 or item[0].find('sysmsg') != -1 or item[0].find( 
    5.   
  
  
  
  5.                     '') != -1 or item[0].find('chatroom') != -1 or item[0].find('weixinhongbao') != -1: 
    6.   
  
  
  
  6.          continue 
    7.   
  
  
  
  7.     # 过滤掉自己发送的内容，不包含： 
    8.   
  
  
  
  8.     temps = item[0].split(':') 
    9.   
  
  
  
  9.     if len(temps) < 2: 
    10.   
  
  
  
  10.         # print('自己发送的内容:' + item[0]) 
    11.   
  
  
  
  11.         continue 
    12.   
  
  
  
  12.     # 每一条聊天记录，过滤掉发送者，只保留消息正文 
    13.   
  
  
  
  13.     # 发送者 
    14.   
  
  
  
  14.     send_from = item[0].split(':')[0] 
    15.   
  
  
  
  15.  
    16.   
  
  
  
  16.     # 发送内容 
    17.   
  
  
  
  17.     send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "") 
    18.   
  
  
  
  18.     # 过长的消息，也过滤掉 
    19.   
  
  
  
  19.     if len(send_msg) > 200: 
    20.   
  
  
  
  20.          continue 
    21.

对于群其他成员发送的内容，再过滤掉消息内容的前半部分，只保留消息正文

第 8 步，生成词云

使用 jieba 对群内有效的消息进行分词，然后使用 wordcloud 生成词云图。

 
 
 
 
      
  
  
  
  1. def generate_wordcloud(self, word): 
    2.   
  
  
  
  2.     """ 
    3.   
  
  
  
  3.     生成词云 
    4.   
  
  
  
  4.     :param word: 
    5.   
  
  
  
  5.     :return: 
    6.   
  
  
  
  6.     """ 
    7.   
  
  
  
  7.  
    8.   
  
  
  
  8.     img = WordCloud(font_path="./DroidSansFallbackFull.ttf", width=2000, height=2000, 
    9.   
  
  
  
  9.                         margin=2, collocations=False).generate(word) 
    10.   
  
  
  
  10.     plt.imshow(img) 
    11.   
  
  
  
  11.     plt.axis("off") 
    12.   
  
  
  
  12.     plt.show() 
    13.   
  
  
  
  13.  
    14.   
  
  
  
  14.     # 保存图片 
    15.   
  
  
  
  15.     img.to_file("{}.png".format("群聊")) 
    16.   
  
  
  
  16.  
    17.   
  
  
  
  17. # 分词 
    18.   
  
  
  
  18. temp = " ".join(jieba.cut(words, cut_all=True)) 
    19.   
  
  
  
  19.  
    20.   
  
  
  
  20. # 生成词云 
    21.   
  
  
  
  21. generate_wordcloud(temp) 
    22.

第 9 步，新建排名表，插入数据

为了统计群聊活跃度排名，我们需要新建一张表，包含：id、微信昵称、消息内容 3 个字段。

 
 
 
 
      
  
  
  
  1. def __create_top_table(self): 
    2.   
  
  
  
  2.    """ 
    3.   
  
  
  
  3.    创建Top表 
    4.   
  
  
  
  4.    :return: 
    5.   
  
  
  
  5.    """ 
    6.   
  
  
  
  6.    # 创建Top表，如果存在就不重新创建 
    7.   
  
  
  
  7.    result = self.db.execute( 
    8.   
  
  
  
  8.             "CREATE TABLE IF NOT EXISTS top(uid integer primary key,name varchar(200),msg varchar(200))") 
    9.

接着，将上一步的每一条消息中的发送者 ID、发送内容 2 个字段插入到新建的 Top 表内

 
 
 
 
      
  
  
  
  1. # 定义一个列表，加入所有要统计的数据 
    2.   
  
  
  
  2. msg_pre = [] 
    3.   
  
  
  
  3.  
    4.   
  
  
  
  4. for item in result: 
    5.   
  
  
  
  5.     # 发送者 
    6.   
  
  
  
  6.     send_from = item[0].split(':')[0] 
    7.   
  
  
  
  7.     # 发送内容 
    8.   
  
  
  
  8.     send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "") 
    9.   
  
  
  
  9.     msg_pre.append((send_from, send_msg)) 
    10.   
  
  
  
  10.  
    11.   
  
  
  
  11.  # 把要统计的数据，插入到top表中 
    12.   
  
  
  
  12.  self.db.execute("insert into top(uid,name,msg) values (NULL,?,?);", msg_pre) 
    13.

第 10 步，获取活跃度排名并可视化

从 Top 数据表中，通过微信昵称查询出每一位成员发言的次数，并保存到一个列表中

 
 
 
 
      
  
  
  
  1. def get_top_partner(self): 
    2.   
  
  
  
  2.     """ 
    3.   
  
  
  
  3.     排名前15的成员 
    4.   
  
  
  
  4.     :return: 
    5.   
  
  
  
  5.     """ 
    6.   
  
  
  
  6.     sql = "SELECT name as 姓名,COUNT(*) as times FROM top GROUP BY name ORDER BY times DESC limit %d;" % self.top_num 
    7.   
  
  
  
  7.     result = self.db.query(sql) 
    8.   
  
  
  
  8.  
    9.   
  
  
  
  9.     for item in result: 
    10.   
  
  
  
  10.         # 用户id 
    11.   
  
  
  
  11.         id = item[0] 
    12.   
  
  
  
  12.         # 发言次数 
    13.   
  
  
  
  13.         count = item[1] 
    14.   
  
  
  
  14.  
    15.   
  
  
  
  15.         # 获取用户的昵称，即：微信昵称 
    16.   
  
  
  
  16.         username = self.get_username(id) 
    17.   
  
  
  
  17.  
    18.   
  
  
  
  18.         self.top_data.append({ 
    19.   
  
  
  
  19.             'username': username, 
    20.   
  
  
  
  20.             'count': count 
    21.   
  
  
  
  21.             }) 
    22.

最后，去除微信昵称的特殊符号，使用 pyecharts 将数据可视化。

 
 
 
 
      
  
  
  
  1. def draw_image(self): 
    2.   
  
  
  
  2.     """ 
    3.   
  
  
  
  3.     数据可视化 
    4.   
  
  
  
  4.     :return: 
    5.   
  
  
  
  5.     """ 
    6.   
  
  
  
  6.     usernames = [] 
    7.   
  
  
  
  7.     counts = [] 
    8.   
  
  
  
  8.     for user in self.top_data: 
    9.   
  
  
  
  9.          # 去除昵称中的特殊符号 
    10.   
  
  
  
  10.          usernames.append(get_ava_string(user.get('username').strip())[0:8]) 
    11.   
  
  
  
  11.          counts.append(user.get('count')) 
    12.   
  
  
  
  12.  
    13.   
  
  
  
  13.     def bar_chart() -> Bar: 
    14.   
  
  
  
  14.             c = ( 
    15.   
  
  
  
  15.                 Bar() 
    16.   
  
  
  
  16.                     .add_xaxis(usernames) 
    17.   
  
  
  
  17.                     .add_yaxis("活跃度", counts) 
    18.   
  
  
  
  18.                     .reversal_axis() 
    19.   
  
  
  
  19.                     .set_series_opts(label_opts=opts.LabelOpts(position="right")) 
    20.   
  
  
  
  20.                     .set_global_opts(title_opts=opts.TitleOpts(title="最活跃的%d个小伙伴" % self.top_num)) 
    21.   
  
  
  
  21.             ) 
    22.   
  
  
  
  22.             return c 
    23.   
  
  
  
  23.  
    24.   
  
  
  
  24.     # 需要安装 snapshot-selenium 或者 snapshot-phantomjs 
    25.   
  
  
  
  25.     make_snapshot(driver, bar_chart().render(), "bar.png") 
    26.

3. 最后

上面的操作，通过生成的词云了解到当前群聊过去一段时间都在聊的话题及价值，通过对聊天记录的数据分析，获取到微信群聊活跃度排名。

当然，也可以分析群成员潜水排名及某一位群成员的数据分析。

名称栏目：用 Python 分析微信群聊记录，是怎样一种体验？
文章地址：http://www.csdahua.cn/qtweb/news49/359299.html

网站建设、网络推广公司-快上网，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 快上网

成都快上网为您推荐相关内容

网站排名知识

各行业网站

网站seo优化　　 　广安做网站　　 　香港云空间　　 　成都做网站　　 　移动服务器托管　　 　百度关键词排名　　 　铁科精智测控　　 　华川商务　　 　云南护栏打桩机　　 　新型地坪材料　　 　阿坝州网站建设　　 　达州网站建设　　 　成都免费自助建站　　 　建站定制开发　　 　崇州威斯达宇　　 　成都铁科精智测控　　 　高县网站建设　　 　成都微信公众号开发　　 　高端定制网站设计　　 　SF双层罐