微信聊天记录统计

任务：获取自己和朋友A的全部微信聊天记录，并做简单的数据分析统计（如下图所示的一些数据）

根据聊天内容生成的词云

每个小时段的消息个数分布，可见夜里微信消息过多，熬夜的元凶找到了

每个月的消息个数

---

任务分析

整体任务分为两个大步骤，获取聊天记录和数据统计。数据统计比较容易，毕竟网上有很多教程可以借鉴。最麻烦的是第一步——获取聊天记录。

微信官方不提供聊天记录的文本导出方法。我们要想获取聊天记录，最直接的方法就是一条条复制到txt文档里，但这个方法太笨，不适合聊天记录特别多的情形。在网上一番检索，踩过一些坑后，终于成功导出。在这里把过程记录一下。

思路是这样的：手机端的微信会把消息记录存在一个数据库文件（EnMicroMsg.db）中。但这个文件加了密，需要密码才打得开。幸运的是，密码能够被计算出来。

密码的计算需要两个号码：一个是微信所用手机的串号IMEI（15-17位数字），另一个是微信的用户信息号（也就是uin，一般8-10位数字）。这两个号码按先IMEI后uin的顺序首尾拼在一起（中间不加任何字符）形成一个23~27位数字。对这长串数字做32位的MD5，得到的结果取前七位，就获得了数据库文件的密码。

注意：这里有个坑，网上都没有说，这七位中的大写字母一定要转化成小写字母才行！

---

获取微信聊天记录

从前面分析可知，要获取微信聊天记录，需要集齐三大法器： 数据库文件（EnMicroMsg.db）、手机IMEI和微信uin。但手机没有root的话，这三个法器也没法直接获取，只能借助手机模拟器才行。这里采用蓝叠模拟器来说明整个步骤。

1. 借助PC微信客户端将聊天记录导入模拟器

   • 备份聊天记录到PC
     先打开PC微信客户端，将需要获取的聊天记录备份到PC上

     
     
     备份聊天记录至电脑
     
     
     备份聊天记录至电脑

   • 恢复聊天记录至模拟器的微信app
     打开蓝叠模拟器，安装微信app，然后登陆自己的账号，导入聊天记录，这样蓝叠就有了完整的聊天记录数据库文件

     
     
     导入聊天记录

2. 打开模拟器root权限

   
   
   获取Root权限，这样才能获得上面三个信息

3. 获取数据库文件EnMicroMsg.db

   • 打开文件管理器

     
     
     re.png

   • 数据库的文件路径

     
     
     数据库就在这个都是数字的文件夹里
     
     
     数据库文件

   • 复制数据库到自己的PC

     
     
     蓝叠模拟器中，将文件复制到sdcard下，然后点击上面的Export to Windows即可复制到自己的PC

4. 获取模拟的串号IMEI
   网上很多方法都不靠谱，最简单有效的一招就是在模拟器上安装获取IMEI的app，打开这个app就能知道IMEI

5. 获取uin
   在这个文件下，好多文件里都会有uin，例如下面这个文件，里面有个uin_id的8-10位数字，记录下来

   
   
   打开这个文件，能够找到uin

6. 计算密码
   打开密码计算小工具，将IMEI和uin输入左侧方框，中间不要有任何字符，中间选择32位小，右侧得到结果的前七位就是密码
   

   md5一定要小写的才行

7. 读取数据库的小工具
   有了数据库和密码，还需要安装一个读取数据库的工具——sqlcipher.

8. 导出聊天记录
   用sqlcipher打开EnMicroMsg.db，会提示输入密码，然后就能看到数据库内容

   
   
   导出聊天记录
   
   
   表选择message

9. 导入excel，导出xlsx
   上面生成的csv文件，如果直接用python读取的话，会有很多问题（可能是编码格式的问题），我是先用excel打开csv，另存为.xlsx文档，这样方便后面python读取

---

数据分析

这一部分就不多讲了，词云是借用了词云生成方法的代码。聊天时间分布统计利用了pandas库，这个我也是第一次用，拙劣的代码如下

import datetime
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

excel_path = 'wx.xlsx' #上面第9步，生成的excel文件
dateparse = lambda x: datetime.datetime.fromtimestamp(int(x)/1000) if x else None # 导出来的时间戳比正常的多了3个0，这点要注意
df = pd.read_excel(excel_path, parse_dates=['createTime'], date_parser=dateparse)
fc = df['content'].groupby(df['createTime'].dt.hour).count() # hour 表明按照小时 统计聊天频率
fc.index = fc.index.astype('int') #将横坐标转化为整数型

############  绘图 ###################
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
plt.rcParams['font.size']=23
plt.figure(figsize=(20, 10))
ax = fc.plot(kind='bar',color='#66cccc')
ax.set_facecolor('#eeeeee')
ax.grid(True, linestyle='-.')
ax.tick_params(axis='x',labelcolor='#66cccc', labelsize='large', width=3)
ax.tick_params(axis='y',labelcolor='#66cccc', labelsize='large', width=3)
ax.set_xlabel(u"小时",color='#66cccc')
ax.set_ylabel(u"微信消息个数",color='#66cccc')
ax.set_title(u'微信聊天数据统计',color='#66cccc')
plt.show()