这篇文章将为大家详细讲解有关用Python来分析微信群聊的案例,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
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:
# 微信聊天记录数据库完整路径 /data/data/com.tencent.mm/MicroMsg/[当前登录微信的随机字符串]/EnMicroMsg.db
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
# 当前登录微信的配置文件 /data/data/com.tencent.mm/shared_prefs/system_config_prefs.xml
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
# 安装sqlcipher命令行(Mac) brew install sqlcipher # Win可以去下载sqlcipher命令行文件
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
import sqlite3 def __init__(self, db_path="./weixin.db"): """ 本地数据库初始化 """ self.db = sqlite3.connect(db_path) self.cursor = self.db.cursor()
接着,对数据库常用的操作,包含:增删改查,进行封装操作。
def execute(self, sql, param=None): """ sql: Sql语句,包含:增、删、改 param:数据,可以为列表、字典,也可以为空 """ try: if param is None: self.cursor.execute(sql) else: if type(param) is list: self.cursor.executemany(sql, param) else: self.cursor.execute(sql, param) count = self.db.total_changes self.db.commit() except Exception as e: print(e) return False, e # 返回结果 return True if count > 0 else False def query(self, sql, param=None): """ 查询语句 sql:Sql语句 param:参数,可以包含空 retutn:成功返回True """ if param is None: self.cursor.execute(sql) else: self.cursor.execute(sql, param) # 返回查询的结果 return self.cursor.fetchall()
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
def __get_chartroom_id(self): """ 获取群聊的id :return: """ res = self.db.query('select username from rcontact where nickname=?;', (self.chatroom_name,)) # 群聊id chatroom_id = res[0][0] return chatroom_id
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。
# message表:聊天记录表 # isSend=0:对方发送的;isSend=1:自己发送的 sql = "SELECT content FROM message WHERE talker='{}' and isSend=0".format(chatroom_id) # 查询表,获取所有的聊天记录 result = self.db.query(sql)
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
# 循环查询到的所有的消息 for item in result: # 过滤数据 if not item or not item[0] or item[0].find('xml') != -1 or item[0].find('sysmsg') != -1 or item[0].find( '<msg>') != -1 or item[0].find('chatroom') != -1 or item[0].find('weixinhongbao') != -1: continue # 过滤掉自己发送的内容,不包含: temps = item[0].split(':') if len(temps) < 2: # print('自己发送的内容:' + item[0]) continue # 每一条聊天记录,过滤掉发送者,只保留消息正文 # 发送者 send_from = item[0].split(':')[0] # 发送内容 send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "") # 过长的消息,也过滤掉 if len(send_msg) > 200: continue
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。
def generate_wordcloud(self, word): """ 生成词云 :param word: :return: """ img = WordCloud(font_path="./DroidSansFallbackFull.ttf", width=2000, height=2000, margin=2, collocations=False).generate(word) plt.imshow(img) plt.axis("off") plt.show() # 保存图片 img.to_file("{}.png".format("群聊")) # 分词 temp = " ".join(jieba.cut(words, cut_all=True)) # 生成词云 generate_wordcloud(temp)
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。
def __create_top_table(self): """ 创建Top表 :return: """ # 创建Top表,如果存在就不重新创建 result = self.db.execute( "CREATE TABLE IF NOT EXISTS top(uid integer primary key,name varchar(200),msg varchar(200))")
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
# 定义一个列表,加入所有要统计的数据 msg_pre = [] for item in result: # 发送者 send_from = item[0].split(':')[0] # 发送内容 send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "") msg_pre.append((send_from, send_msg)) # 把要统计的数据,插入到top表中 self.db.execute("insert into top(uid,name,msg) values (NULL,?,?);", msg_pre)
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
def get_top_partner(self): """ 排名前15的成员 :return: """ sql = "SELECT name as 姓名,COUNT(*) as times FROM top GROUP BY name ORDER BY times DESC limit %d;" % self.top_num result = self.db.query(sql) for item in result: # 用户id id = item[0] # 发言次数 count = item[1] # 获取用户的昵称,即:微信昵称 username = self.get_username(id) self.top_data.append({ 'username': username, 'count': count })
最后,去除微信昵称的特殊符号,使用 pyecharts 将数据可视化。
def draw_image(self): """ 数据可视化 :return: """ usernames = [] counts = [] for user in self.top_data: # 去除昵称中的特殊符号 usernames.append(get_ava_string(user.get('username').strip())[0:8]) counts.append(user.get('count')) def bar_chart() -> Bar: c = ( Bar() .add_xaxis(usernames) .add_yaxis("活跃度", counts) .reversal_axis() .set_series_opts(label_opts=opts.LabelOpts(position="right")) .set_global_opts(title_opts=opts.TitleOpts(title="最活跃的%d个小伙伴" % self.top_num)) ) return c # 需要安装 snapshot-selenium 或者 snapshot-phantomjs make_snapshot(driver, bar_chart().render(), "bar.png")
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。
关于用Python来分析微信群聊的案例就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。