本帖最后由 CBL-XG 于 2020-4-12 17:01 编辑
由于疫情，微信的聊天记录比以前多了很多，所以用python看看自己都聊了些什么事
初学python，果然发现我是那个举三反一的困难户~
下面是源码和效果图：
[Python] 纯文本查看 复制代码 import csv, jieba, re
from itertools import islice
import pandas as pd
import imageio
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator
# 从导出的csv格式聊天记录中提取中文存入txt文件中
def csv_to_txt():
chat_csv = open("my_chat.csv","r",encoding="utf-8") #chatlog.csv 改成自己的聊天记录文件名
my_chat = csv.reader(chat_csv)
fp = open("chat.txt", "w+", encoding="utf-8")
for line in islice(my_chat, 1, None):
if re.search("[\u4e00-\u9fa5]", line[8]) and len(line[8]) < 50:
fp.write(line[8] + "\n")
fp.close()
# 对聊天记录文件进行分词
def cut_words():
# 把聊天内容读取给content
fp = open("chat.txt", "r", encoding="utf-8")
content = fp.read()
fp.close()
jieba.load_userdict("custom_dict.txt") # 载入自定义词典（格式：一个词占一行；每行分为：词语、词频（可省略）、词性（可省略），用空格隔开）
words = jieba.cut(content) # 进行分词，模式：精确模式
word_L = [] # 把分词结果存入word_L中
# 加载停用词
with open("stopwords.txt", 'r', encoding="utf-8") as ss:
stopwords = ss.read()
# 把符合的词语存入word_L中
for word in words:
if word not in stopwords and word != '\n' and len(word) > 1:
word_L.append(word)
return word_L
# 生成词云
def word_cloud(words):
# 对分词结果进行频率统计再转换成字典
count_word_df = pd.DataFrame({"word":words}).groupby(["word"]).size()
count_word_dt = count_word_df.to_dict()
mk = imageio.imread('my_pic.jpg') # 设置词云形状
mk_color = ImageColorGenerator(mk) # 设置词云颜色
# 配置词云参数
wx_wc = WordCloud(
background_color="white", # 如果是透明背景，设置background_color=None
mode="RGB", # 如果是透明背景，设置mode="RGBA"
mask=mk, # 词云形状
font_path="青鸟华光简胖头鱼.TTF", # 字体可以更改为自己喜欢的字体，在C:\Windows\Fonts文件夹
scale=3, # 如果输出图片大小不满意，则修改此值
)
wx_wc = wx_wc.generate_from_frequencies(count_word_dt) # 把带频率的分词结果导入词云
wx_wc.to_file("wordcloud.png") # 输出词云图片，未设置颜色
# plt输出图片
plt.axis("off") # 关闭坐标轴
plt.imshow(wx_wc.recolor(color_func=mk_color)) # 设置颜色
plt.savefig('pltwordcloud.png', dpi=400) # 输出词云图片，以原图片为背景色
def run():
csv_to_txt()
words = cut_words()
word_cloud(words)
if __name__ == '__main__':
run()
效果图：
=================================================================================
一、如何获取聊天记录
1.你需要和谁的聊天记录生成词云，就把和她的聊天记录通过电脑版微信备份一下，然后通过安卓模拟器再把她的聊天记录从 电脑版微信 恢复到 模拟器的微信 里面。
2.通过re或者类似文件管理器找到这个/data/data/com.tencent.mm/MicroMsg路径，下面有一个数字和字母组成名称很长的文件夹，把里面EnMicroMsg.db文件取出到电脑里备用
3./data/data/com.tencent.mm/shared_prefs路径下有一个auth_info_key_prefs.xml文件，记住里面的_auth_uin值(这个值可能是9位,10位或者负数)备用
4.打开模拟器的设置界面，记住IMEI值
5.用你得到的IMEI值 拼接 UIN值（例如IMEI:865166023282877 UIN:1002623291 拼接结果:8651660232828771002623291）放在MD5计算网站加密，得到一个32位小写的值，取前七位
6.用 sqlcipher 软件打开之前的第2步得到的EnMicroMsg.db文件(File - Open Database 或者文件直接拖拽进去)，把第5步得到的七位值输进去
7.把聊天记录文件导出为csv格式(File - Export - Table as CSV file),选择message然后点击Export，命名为my_chat.csv，用记事本打开次文件，以utf-8格式保存。
二、需要用到的文件及python库
1. sqlcipher 软件 、电脑版微信 、夜神(雷电等)模拟器
2. stopwords.txt、 custom_dict.txt、 my_chat.csv(第一步获取到的)、my_pic.jpg(网上自行下载喜欢的图片后改名)、青鸟华光简胖头鱼.TTF(本帖效果图字体文件，可以自行选择)
3. python库：jieba pandas matplotlib wordcloud
三、源码及所需文件
链接：https://pan.baidu.com/s/16AMDo-TT2umc23gGYKuSbw 提取码：00cg | 
[复制链接]
发表于 2020-4-12 15:48
|
发表于 2020-4-14 14:19
