微信聊天记录导出(2020新版)

微信聊天记录导出(2020新版)

首先说明，坑的部分主要是数据库破解。

项目地址：https://github.com/fly-dragon211/Wechat-message-analysis

1. 本地备份提取聊天记录

这里主要讲小米手机，苹果手机参考https://www.zhihu.com/question/66251440，其他安卓手机可以用模拟器然后root提取。

要导出微信安卓客户端的聊天记录，首先得找到聊天记录的数据库。
安卓客户端的聊天记录储存在私有目录 /data/data/com.tencent.mm/MicroMsg 下，这个目录需要root权限才能进去，但是，那样太太太麻烦了，好在我们MI6有本地备份的功能，利用这个功能。我们轻而易举就可以获得数据库。

需要的工具

此处下载

1. 首先到手机:设置->更多设置->备份和重置->本地备份 里面点击新建备份，选择软件程序中的微信进行备份，注意只选择微信。

2. 然后到文件管理 /内部储存设备/MIUI/backup/ALLBackup/ 下将备份的文件夹复制到电脑

3. 然后用任意一种压缩包软件（我用的是7zip）打开这个com.tencent.mm.bak文件，并且将apps\com.tencent.mm\r\MicroMsg\systemInfo.cfg、apps\com.tencent.mm\r\MicroMsg\CompatibleInfo.cfg和apps\com.tencent.mm\r\MicroMsg\xxxx\EnMicroMsg.db三个文件解压到电脑上。这里xxxx是一串随机的字母，代表你的微信用户，每个人不一样，一般是最大的那个文件夹，我这里是下图所示文件夹：

2. 破解数据库密码

找到聊天数据库了，但是目前还不能得到聊天记录，因为这个数据库是sqlcipher加密数据库，需要密码才能打开。

数据库密码有很多种生成方式：

1. 手机IMEI+uin(微信用户id userinformation) 将拼接的字符串MD5加密取前7位

   如IMEI为123456，uin为abc，则拼接后的字符串为123456abc 将此字符串用MD5加密(32位)后

   为df10ef8509dc176d733d59549e7dbfaf 那么前7位df10ef8 就是数据库的密码，由于有的手机是双卡，有多个IMEI，或者当手机获取不到IMEI时会用默认字符串1234567890ABCDEF来代替，由于种种原因，并不是所有人都能得出正确的密码，此时我们可以换一种方法。

2. 反序列化CompatibleInfo.cfg和systemInfo.cfg

   不管是否有多个IMEI ，或者是微信客户端没有获取到IMEI，而使用默认字符串代替，微信客户端都会将使用的信息保存在MicroMsg文件夹下面的CompatibleInfo.cfg和systemInfo.cfg文件中，可以通过这两个文件来得到正确的密码，但是这两个文件需要处理才能看到信息。

3. 使用hook方式得到数据库的密码，这个方法最有效参考

4. 暴力破解

我开始用反序列化：

javac IMEI.java
java IMEI systemInfo.cfg CompatibleInfo.cfg

运行完成后就会得到密码
参考链接

但是出现了如下错误：

错误: 找不到或无法加载主类 IMEI 原因: java.lang.ClassNotFoundException: IMEI

于是我换了第一种方法，可是找不到uid

寻找uid

uid不是微信号，原来是保存在下面路径：

/data/data/com.tencent.mm/shared_prefs/auth_info_key_prefs.xml，

在该文件中，键值“auth_uin”即为该用户的uin。

但是我发现根本没有这个路径，可能是我的手机没有root，于是我把备份的文件解压，在里面搜索这个，终于找到了。

最终确定uid，然后MD5（IMEI少一位+uin）的输出字符串作为密码，取前7位小写，就可以破解数据库了。

得到数据库之后可以分析一下你的聊天记录，顺便制作一个词云来给你的心上人看一下你们都聊了啥👀

参考：

https://zhuanlan.zhihu.com/p/77418711

https://github.com/Heyxk/notes/issues/1

https://www.sohu.com/a/355273307_704736

数据分析

下面就是最关键的数据分析。聊天记录包含了非常丰富的数据，这里我只做了两个比较简单的例子，一个是针对时间做聊天时间段分布的统计；一个是针对内容做字符匹配，统计一些高频词汇出现的次数，比如“早安”、“晚安”、“想你”、“爱”等等（你懂的）。

详情见本项目。代码都有注释，我写了一个类把直方图，高频词汇统计，词云等结合起来了。

# -*- coding: utf-8 -*-
"""
Created on Sun Aug 16 10:41:08 2020
@author: fly
"""

import numpy as np
import pandas as pd
import time
import re
import datetime
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.font_manager import *  # 如果想在图上显示中文，需导入这个包
import xlwt
import wordcloud  # 词云
import imageio
import jieba  # 中文分词


class WechatAnalysis:
    def __init__(self, data_frame, name):
        self.data_frame = data_frame
        self.wechat_name = name
        self.chat_time, self.chat_content = self.get_time_and_content()
        self.font_path = r'C:\Windows\Fonts\MSYH.TTC'  # 微软雅黑

    def get_time_and_content(self):
        # 把聊天内容和时间取出
        chat = self.data_frame
        chat_time = []
        chat_content = []
        for i in range(len(chat) - 1):
            content = chat[i:i + 1]
            if content['talker'].values[0] == self.wechat_name:
                t = content['createTime'].values[0] // 1000  # 除以1000用以剔除后三位0
                c = content['content'].values[0]
                chat_time.append(t)
                chat_content.append(c)
        return chat_time, chat_content

    def get_time_hist(self, time_flag=0):