通过微信聊天记录生成词云

对于微信聊天记录，可以通过采集聊天记录，通过聊天数据生成词云两步实现

一、聊天记录数据采集

整个任务中最困难的即为聊天数据采集。由于QQ和微信的聊天记录提取难度不同，对于QQ聊天数据，简单的导出即可。对于微信聊天数据，微信将聊天数据保存在EnMicroMsg.db数据库中，通过MD5加密，所以我们通过获取db数据库中的文件，再对数据解密即可成功获取和某人的聊天记录啦。下面开始正式介绍如何采集聊天数据。

工具：

• 蓝叠模拟器（通过将微信数据由手机导入到电脑， 再将数据从电脑导入蓝叠模拟器）
• sqlcipher.exe

1.数据由手机导入到模拟器中

蓝叠安卓模拟器官网

蓝叠模拟器图标如下，整个流程中最核心的工具

电脑微信左下角备份手机聊天记录至电脑

登录蓝叠模拟器下载微信app登录，该操作会顶掉手机微信， 但是要保持电脑微信登录（模拟器操作略卡耐心等待一下）

电脑微信左下角恢复电脑聊天至手机(模拟器)

 2.获取数据库文件

按照图中操作获取模拟器Root权限

 模拟器使用下图所述app对模拟器中文档进行处理

按照路径寻找到微信聊天记录所在文件位置，蓝框路径下存在两个数字字母结合的文件夹，数据存储在其中一个文件夹中， 找到EnMicroMsg.db，该数据库即为聊天记录

 

 操作前先将聊天记录中非操作记录删除，再将数据由模拟器中导入至本地文件夹中，蓝叠模拟器可以访问电脑本地文件夹（长按数据库文件，再点击复制操作，跳转到我的形状文件夹下保存，即保存到本地文件夹下了）

 可以聊天记录已经成功保存在本地文件夹下

 3.数据库文件解密

由于db数据库经过MD5加密，因此对其解密即可成功获取数据

 使用IMEI以及auth_uin即可通过MD5解密即可获取数据

IMEI由于未成功获取到，使用1234567890ABCDEF代替

auth_uin可以通过模拟器中数据文件获取到， 随便在xml文件下找到name = "auth_uin"对应的value值即可

通过MD5解密，使用IMEI + auth_uin， 使用32位（小）解密，前7位即为数据库密码

 MD5在线加密/解密/破解—MD5在线 (sojson.com)

使用 sqlcipher工具来加载SQLite数据

下载路径：SQLCipher - Zetetic

即可成功获取数据， File - Export - CSV文件格式即可，至此，我们终于成功获取聊天数据， 一番操作终于拿到了数据就可以尽情发挥了，接下来写一个python脚本生成一个词云图片就大功告成了

 

二、通过数据生成词云

获取停用词表之后，再通过代码即可跑出来词云图片

#-*- coding : utf-8 -*-
# coding:unicode_escape

import re
import jieba
import wordcloud
import pandas as pd

data = pd.read_csv('my_data.csv', encoding='gbk')
data = data[['status','content']]

#我发出的数据
data_me = data[data['status'] == 2]
#我接受到的数据
data_other = data[data['status'] == 4]

print(len(data_me))
print(len(data_other))

stop_words = []
with open('stop_words.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()
    for mes in lines:
        stop_words.append(mes[:-1])


str_me = ''
str_other = ''

for index in data_me.index:
    mes = data.loc[index]['content']
    if mes != '' and 'wxid' not in mes and '<' not in mes and '[' not in mes:
        str_me += mes

for index in data_other.index:
    mes = data.loc[index]['content']
    if mes != '' and 'wxid' not in mes and '<' not in mes and '[' not in mes:
        str_other += mes

#jieba分词
jieba_me = jieba.lcut(str_me)
ls_me = []
for item in jieba_me:
    if item not in stop_words and len(item) >= 2:
        ls_me.append(item)

jieba_other = jieba.lcut(str_other)
ls_other = []
for item in jieba_other:
    if item not in stop_words and len(item) >= 2:
        ls_other.append(item)

txt_other = " ".join(ls_other)
txt_me = " ".join(ls_other)
txt_all = txt_other + ' ' + txt_me

#保存词云照片
w = wordcloud.WordCloud( font_path = "msyh.ttc", width = 1000, height = 700, background_color = 'white', max_words = 300)
w.generate(txt_other)
w.to_file('other.png')
w.generate(txt_me)
w.to_file('me.png')
w.generate(txt_all)
w.to_file('all.png')

 

 最终，大功告成！

参考：

利用python分析微信聊天记录

微信聊天记录统计