手把手教Python使用微信聊天记录生成词云

Python使用微信聊天记录生成词云

本文使用工具：
1、微信电脑版
2、模拟器（本文使用夜神模拟器）
3、https://md5jiami.bmcx.com/ MD5加密工具
4、Sqlcipher.exe
5、Excel
6、Pycharm

一、导出微信聊天记录

• 1、官网下载模拟器、安装
• 2、模拟器安装微信，在模拟器中登录微信，将想要的聊天记录备份到模拟器中。此步骤极为简单，这里不赘述。
  
• 3、在模拟器中找到备份聊天记录的数据库所在位置，通过文件助手备份至电脑文件夹。
• /data/data/com.tencent.mm/MicroMsg/2bf2a2d7d94578b3n2d9v(文件中较长名称的文件夹)/EnMicroMsg.db
  
  在文件助手中将EnMicroMsg.db保存至共享文件夹（Pictures）下，在电脑文件夹中可以查看到EnMicroMsg.db文件。
  

二、获取数据库密码

微信聊天记录数据库密码是由手机IMIE+UIN组成的，为了绕开root，所以我们使用模拟器root获取IMEI，在模拟器中需要找1、IMEI以及2、UIN。

• 1、在模拟器系统设置中，手机菜单下，找IMEI，保存下来。
  
• 2、在Amaze中/data/data/com.tencent.mm/shared_prefs下找com.tencent.mm_preferences.xml。
  
• 3、打开文件后，<string name ="last_login_uin">734432902</string>,734432902即为uin，将其保存下来。
  
• 4、到此，我们获取了IMEI和UIN，将IMEI+UIN拼接在一起，即为：351564288183262+734432902=351564288183262734432902。
• 5、将351564288183262734432902复制到https://md5jiami.bmcx.com/ MD5加密网站上解析，其中32位小写前七位即为微信聊天记录数据库密码：737ecee
• 6、到这里，我们就获取到数据库密码了。当然这里有个坑，大家会发现IMEI无论怎么找，加密出来的密码都不对。可以尝试一下1234567890ABCDEF代替一下IMEI。会有惊喜哦。

三、编译sqlcipher.exe

• 现在网络这么强大，没必要自己编译了，而且编译出现的问题很多，不建议新手自己去编译，特别不友好。可以自己去搜索下载，网上很多的。也可以点赞之后留言一下，找我要哦。
  这里在Sqlcipher.exe中打开微信聊天记录数据库后输入，我们得到的数据库密码后，导出csv文件。
  

四、导出csv文件

• 导出csv文件，记得选择message，这个才是聊天内容。
  

五、简单处理csv文件

• 在csv文件中，content列为聊天内容，可以自己筛选去除没有用的数据，留下有用的数据。然后将该列数据复制到txt文件中，方便后续使用python生成词云。
  

六、使用pycharm生成词云

• 1、下载pycharm，创建一个项目。
  
• 2、这里需要导入包：
• import jieba
• import numpy
• import codecs
• import pandas
• from matplotlib.image import imread
• import matplotlib.pyplot as plt
• from wordcloud import WordCloud,ImageColorGenerator
  可以在Python Interpreter中加入以上包。
  
  也可以在底下Terminal中 pip install 以上包…
  
  以下放出完整python代码：

import jieba
import numpy
import codecs
import pandas
from matplotlib.image import imread
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator

def load_file_segment():
    # 加载自己定义的词典单词
    jieba.load_userdict("mywords.txt")
    # 打开我们处理好的聊天文件
    f = codecs.open(u"123.txt", 'r', encoding='utf-8')
    # 读取聊天文件到content中
    content = f.read()
    # 关闭文件
    f.close()
    # 保存分词结果
    segment = []
    # 对整体进行分词
    segs = jieba.cut(content)
    for seg in segs:
        if len(seg) > 1 and seg != '\r\n':
            # 这里进行判断分词得到的结果不是单个字，并且不是换行符，就将分词加到数组中
            segment.append(seg)
    return segment
def get_words_count_dict():
    # 获得以上分词结果
    segment = load_file_segment()
    # 将分词数组转化为pandas
    df = pandas.DataFrame({'segment': segment})
    # 这里设置不想要的分词，将不想要的分词写入文件中，可以将设置好的分词剔除出去。
    stopwords = pandas.read_csv("stopwords.txt", index_col=False, quoting=3, sep="\t", names=['stopword'],encoding="utf-8")
    # 如果不在停用词中
    df = df[~df.segment.isin(stopwords.stopword)]
    # 按词分组，计算每个词的个数
    words_count = df.groupby(by=['segment'])['segment'].agg([("计数", numpy.size)])
    # reset_index保留segment字段，排序，数字大的在前面
    words_count = words_count.reset_index().sort_values(by="计数", ascending=False)
    return words_count

words_count = get_words_count_dict()
# 读取想要生成词云模板图片
bimg = imread('ai2.jpg')
wordcloud = WordCloud(background_color='white', mask=bimg, font_path='simhei.ttf')
words = words_count.set_index("segment").to_dict()
wordcloud = wordcloud.fit_words(words["计数"])
bimgColors = ImageColorGenerator(bimg)
plt.axis("off")
plt.imshow(wordcloud.recolor(color_func=bimgColors))
plt.show()

• 效果，点个赞吧，谢谢！