文章目录
前言一、任务分析二、工具三、步骤1.数据获取获取DB计算密码导出数据库2. 数据清洗(具体方法以后补充)3. 数据分析前言
昨天跟女朋友讨论谁给对方发的消息比较多,两人各执一词,事实证明是我输了^
一、任务分析
统计微信聊天记录分为三步——数据获取、数据清洗和数据分析。下面大致说一下各部分需要做什么。
三步中最难的就是数据获取。与QQ不同,微信并不提供导出聊天记录的工具,所以得去自己获取。微信将聊天记录存在一个名为EnMicroMsg.db的数据库里,很不幸是这个数据库是加密的,但幸运的是它的密码是可以计算出来的!因此我们首先需要获取这个db文件,再对它进行解密和导出,这样数据获取部分就大功告成啦!(是不是听起来很简单哈哈哈)
后面两步就比较简单了,无非就是筛一下记录,再用python分析。
二、工具
BlueStack蓝叠SQLCipherPython
三、步骤
1.数据获取
由前面的分析可知,我们需要获取EnMicroMsg.db这个数据库文件和它的密码,如果手机没有Root过的话,需要借助模拟器,我在这里用的是BlueStack。
获取DB
- 将手机上的聊天记录备份到PC
pc端微信左下角的三条杠->备份与恢复->备份聊天记录至电脑
按照提示备份即可
- 将刚备份的聊天记录恢复至模拟器
在模拟器上安装微信,并在PC上依此点击左下角的三条杠->备份与恢复->恢复聊天记录至手机。
依然按照提示恢复,这样我们就将原手机上的聊天记录迁移到了模拟器上。
-获取数据库文件
a. 首先获取模拟器的root权限
右上角向下的箭头 -> 设置 -> 引擎设置,勾选获取root权限
b.找到数据库文件存放的路径
在这个路径下有两个数字和字母命名的文件夹,其中有一个就存放着我们需要的EnMicroMsg.db。
鼠标长按,点击右上角复制图标,即可复制
c.将数据库复制到PC
蓝叠上也可以更改pc上的文件夹,因此直接将数据库文件复制到以上路径中。因为我是复制到了Document这个文件夹中,对应我电脑上的文档,打开就可以看到我们的数据库文件啦!
计算密码
根据前面的分析,我们现在还需要计算出数据库的密码,而这个密码是将机器的IMEI和auth_uin经过md5加密而来的。
a.获取IMEI
在蓝叠上下载一个小工具
打开后,点击分析器,再点击我的IMEI,就会将IMEI自动填充到输入框里,我们将它记录下来。
b.获取auth_uin
打开路径如上,在上面的文件夹中,好多文件里都会有auth_uin,比如上面指出来的那个文件中就有,把它记录下来。
c.计算密码
这样,我们就获取了计算密码的两大法器——IMEI和auth_id,我们利用MD5在线加密工具,将IMEI和auth_id输到左侧方框,中间不要有字符,加密方式选择32位小。
加密出来的前7位就是这个数据库的密码了,大功告成!
导出数据库
使用SQLCipher导出数据库,我在网上找了好久都不靠谱,之后会上传一个可以用的(也可以自己找)。
打开EnMicroMsg.db,会提示我们输入密码,将刚刚获取到的密码输入,就可以解开啦
找到message数据库并导出
这样就得到了全部的数据!
2. 数据清洗(具体方法以后补充)
1.要将时间戳转换为北京时间
2.处理图片和链接等非文字聊天记录
…
3. 数据分析
目前仅统计了两人的消息数量和做了一个简单的词云:
消息数量(啊,是我输了呜呜):
词云:
代码:
from os import pathfrom PIL import Imageimport numpy as npimport matplotlib.pyplot as pltimport jiebafrom wordcloud import WordCloud, STOPWORDS# 当前文件路径d = path.dirname('__file__')# Read the whole textfile = open(path.join(d, 'message.txt'), encoding='utf-8').read()# 进行分词punc = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ<>0123456789\/"temp = []for c in file:if c not in punc:temp.append(c)newText = ''.join(temp)default_mode =jieba.cut(newText)text = " ".join(default_mode)alice_mask = np.array(Image.open(path.join(d, "2.jpg")))stopwords = set(STOPWORDS)stopwords.add("said")wc = WordCloud( #设置字体,不指定就会出现乱码,这个字体文件需要下载font_path=r'D:\study\tools\WenQuanWeiMiHei\WenQuanWeiMiHei-1.ttf', background_color="white", max_words=200, mask=alice_mask, stopwords=stopwords) # generate word cloudwc.generate(text)# store to filewc.to_file(path.join(d, "qq_result.jpg"))# showplt.imshow(wc, interpolation='bilinear')plt.axis("off")plt.figure()plt.imshow(alice_mask, cmap=plt.cm.gray, interpolation='bilinear')plt.axis("off")plt.show()
参考教程: /p/3065087ea1b0
如果觉得《利用python分析微信聊天记录》对你有帮助,请点赞、收藏,并留下你的观点哦!