用Python來分析微信群聊的案例

這篇文章將為大家詳細講解有關用Python來分析微信群聊的案例，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

1. 場景

前幾天，有一位小伙伴在后臺給我留言，說自己有幾十個微信群，自己精力有限，沒法看過來，想要篩選一些高質量的群，讓我是否能幫忙想想辦法。

其實，微信群里的所有聊天記錄都在手機本地文件夾內，只需要導出來進行解密，然后來一波數據分析，就可以幫他篩選出高質量的社群。

本篇文章將帶大家用 Python 一步步來實現這個功能。

2. 實現步驟

第 1 步，導出微信聊天記錄數據庫

首先，我們使用一部 Root 后的手機或者模擬器登錄微信，找到微信聊天記錄數據庫，然后導出到本地。

數據庫文件的完整路徑如下：

# 微信聊天記錄數據庫完整路徑
/data/data/com.tencent.mm/MicroMsg/[當前登錄微信的隨機字符串]/EnMicroMsg.db

需要注意的是，如果當前設備沒有 Root，可以選擇群聊消息進行一次遷移，然后從 Root 設備或模擬器中導出數據庫。

第 2 步，獲取數據庫的密碼

微信數據庫的密碼組成形式為：手機 IMEI + 微信 UIN，然后 md5 加密（32 位小寫）的前 7 個數字。

其中，手機的 IMEI 可以通過 *#06# 獲取，如果是雙卡手機，需要自己做一下判斷。

微信的 UIN 在下面配置文件中，找到 name 屬性為 default_uin 的 value 值，即為 UIN

# 當前登錄微信的配置文件
/data/data/com.tencent.mm/shared_prefs/system_config_prefs.xml

最后，然后將 IMET 和 UIN 組成字符串，然后利用 MD5 進行加密，取 32 位小寫的前 7 位即為微信數據庫的密碼。

第 3 步，破解數據庫

由于微信數據庫是使用 SQLCipher 生成，所以要先安裝 sqlcipher 命令行文件

# 安裝sqlcipher命令行（Mac）
brew install sqlcipher
# Win可以去下載sqlcipher命令行文件

然后，輸入數據庫的密碼及解密方式等，導出破解后的數據庫。

第 4 步，分析數據庫

推薦使用 SQLiteSutdio 打開并分析上面破解后的數據庫，重點查看 message、rcontact、chatroom 這 3 張表。

微信所有的文字聊天記錄都存放在 mesage 數據表中，包含：聊天內容、發送者、消息類型、創建時間等

rcontact 為微信通訊錄表，包含：微信 ID、昵稱、備注名等

chatroom 是群聊信息表，包含：群聊 ID、成員列表等

第 5 步，Python 打開數據庫并封裝

使用 sqlite3連接本地數據庫文件，獲取數據庫對象和游標對象

import sqlite3
def __init__(self, db_path="./weixin.db"):
    """
    本地數據庫初始化
    """
    self.db = sqlite3.connect(db_path)
    self.cursor = self.db.cursor()

接著，對數據庫常用的操作，包含：增刪改查，進行封裝操作。

def execute(self, sql, param=None):
    """
    sql: Sql語句，包含：增、刪、改
    param：數據，可以為列表、字典，也可以為空
    """
    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
    # 返回結果
    return True if count > 0 else False
def query(self, sql, param=None):
    """
    查詢語句
    sql：Sql語句
    param：參數，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)
    # 返回查詢的結果
    return self.cursor.fetchall()

第 6 步，通過群聊名稱獲取群聊 ID

根據群聊昵稱，使用 Sql 語句查詢 rcontact 表，可以獲取群聊的 ID 值

def __get_chartroom_id(self):
    """
    獲取群聊的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，獲取群聊消息

擁有群聊 ID 之后，緊接著查詢 message 表，獲取當前群聊的所有消息內容。

# message表：聊天記錄表
# isSend=0:對方發送的；isSend=1：自己發送的
sql = "SELECT content FROM message WHERE talker='{}' and isSend=0".format(chatroom_id)
# 查詢表，獲取所有的聊天記錄
result = self.db.query(sql)

為了獲取有效的消息內容，可以清洗掉自己發送的消息、系統消息、紅包消息等內容

# 循環查詢到的所有的消息
for item in result:
    # 過濾數據
    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
    # 過濾掉自己發送的內容，不包含：
    temps = item[0].split(':')
    if len(temps) < 2:
        # print('自己發送的內容:' + item[0])
        continue
    # 每一條聊天記錄，過濾掉發送者，只保留消息正文
    # 發送者
    send_from = item[0].split(':')[0]
    # 發送內容
    send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "")
    # 過長的消息，也過濾掉
    if len(send_msg) > 200:
         continue

對于群其他成員發送的內容，再過濾掉消息內容的前半部分，只保留消息正文

第 8 步，生成詞云

使用 jieba 對群內有效的消息進行分詞，然后使用 wordcloud 生成詞云圖。

def generate_wordcloud(self, word):
    """
    生成詞云
    :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()
    # 保存圖片
    img.to_file("{}.png".format("群聊"))
# 分詞
temp = " ".join(jieba.cut(words, cut_all=True))
# 生成詞云
generate_wordcloud(temp)

第 9 步，新建排名表，插入數據

為了統計群聊活躍度排名，我們需要新建一張表，包含：id、微信昵稱、消息內容 3 個字段。

def __create_top_table(self):
   """
   創建Top表
   :return:
   """
   # 創建Top表，如果存在就不重新創建
   result = self.db.execute(
            "CREATE TABLE IF NOT EXISTS top(uid integer primary key,name varchar(200),msg varchar(200))")

接著，將上一步的每一條消息中的發送者 ID、發送內容 2 個字段插入到新建的 Top 表內

# 定義一個列表，加入所有要統計的數據
msg_pre = []
for item in result:
    # 發送者
    send_from = item[0].split(':')[0]
    # 發送內容
    send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "")
    msg_pre.append((send_from, send_msg))
 # 把要統計的數據，插入到top表中
 self.db.execute("insert into top(uid,name,msg) values (NULL,?,?);", msg_pre)

第 10 步，獲取活躍度排名并可視化

從 Top 數據表中，通過微信昵稱查詢出每一位成員發言的次數，并保存到一個列表中

def get_top_partner(self):
    """
    排名前15的成員
    :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:
        # 用戶id
        id = item[0]
        # 發言次數
        count = item[1]
        # 獲取用戶的昵稱，即：微信昵稱
        username = self.get_username(id)
        self.top_data.append({
            'username': username,
            'count': count
            })

最后，去除微信昵稱的特殊符號，使用 pyecharts 將數據可視化。

def draw_image(self):
    """
    數據可視化
    :return:
    """
    usernames = []
    counts = []
    for user in self.top_data:
         # 去除昵稱中的特殊符號
         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("活躍度", counts)
                    .reversal_axis()
                    .set_series_opts(label_opts=opts.LabelOpts(position="right"))
                    .set_global_opts(title_opts=opts.TitleOpts(title="最活躍的%d個小伙伴" % self.top_num))
            )
            return c
    # 需要安裝 snapshot-selenium 或者 snapshot-phantomjs
    make_snapshot(driver, bar_chart().render(), "bar.png")

3. 最后

上面的操作，通過生成的詞云了解到當前群聊過去一段時間都在聊的話題及價值，通過對聊天記錄的數據分析，獲取到微信群聊活躍度排名。

關于用Python來分析微信群聊的案例就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。