用Python爬了自己的微信好友，原来他们是这样的人……

导读： 用了微信几年了，微信号有也不少了，但是真正了解自己的好友吗？好友最多的城市是哪个？好友男女比例是多少？好友签名都是什么？今天我们来充分了解自己的微信好友。

01 准备工作

运行平台：Windows

Python版本：Python3.6

IDE：Sublime Text

1. 库介绍

只有登录微信才能获取到微信好友的信息，本文采用wxpy该第三方库进行微信的登录以及信息的获取。

wxpy 在 itchat 的基础上，通过大量接口优化提升了模块的易用性，并进行丰富的功能扩展。

wxpy一些常见的场景：

• 控制路由器、智能家居等具有开放接口的玩意儿
• 运行脚本时自动把日志发送到你的微信
• 加群主为好友，自动拉进群中
• 跨号或跨群转发消息
• 自动陪人聊天
• 逗人玩

总而言之，可用来实现各种微信个人号的自动化操作。

2. wxpy库安装

wxpy 支持 Python 3.4-3.6，以及 2.7 版本

将下方命令中的 “pip” 替换为 “pip3” 或 “pip2”，可确保安装到对应的 Python 版本中

从 PYPI 官方源下载安装 (在国内可能比较慢或不稳定)： 

pip install -U wxpy 

从豆瓣 PYPI 镜像源下载安装 (推荐国内用户选用)： 

pip install -U wxpy -i "https://pypi.doubanio.com/simple/" 

3. 登录微信

wxpy中有一个机器人对象，机器人 Bot 对象可被理解为一个 Web 微信客户端。Bot在初始化时便会执行登陆操作，需要手机扫描登陆。

通过机器人对象 Bot 的 chats(), friends()，groups(), mps() 方法, 可分别获取到当前机器人的 所有聊天对象、好友、群聊，以及公众号列表。

本文主要通过friends()获取到所有好友信息，然后进行数据的处理。 

from wxpy import *  
# 初始化机器人，扫码登陆  
bot = Bot()  
# 获取所有好友  
my_friends = bot.friends()  
print(type(my_friends)) 

以下为输出消息： 

Getting uuid of QR code.  
Downloading QR code.  
Please scan the QR code to log in.  
Please press confirm on your phone.  
Loading the contact, this may take a little while.  
<Login successfully as 王强🇻>  
<class 'wxpy.api.chats.chats.Chats'> 

wxpy.api.chats.chats.Chats对象是多个聊天对象的合集，可用于搜索或统计，可以搜索和统计的信息包括sex(性别)、province(省份)、city(城市)和signature(个性签名)等。

02 微信好友男女比例

1. 数据统计

使用一个字典sex_dict来统计好友中男性和女性的数量。 

# 使用一个字典统计好友男性和女性的数量  
sex_dict = {'male': 0, 'female': 0}  
for friend in my_friends:  
    # 统计性别  
    if friend.sex == 1:  
        sex_dict['male'] += 1  
    elif friend.sex == 2:  
        sex_dict['female'] += 1  
 
print(sex_dict) 

以下为输出结果： 

{'male': 255, 'female': 104} 

2. 数据呈现

本文采用 ECharts饼图 进行数据的呈现，打开链接http://echarts.baidu.com/echarts2/doc/example/pie1.html，可以看到如下内容：

▲echarts饼图原始内容

从图中可以看到左侧为数据，右侧为呈现的数据图，其他的形式的图也是这种左右结构。看一下左边的数据： 

option = {  
    title : {  
        text: '某站点用户访问来源',  
        subtext: '纯属虚构',  
        x:'center'  
    },  
    tooltip : {  
        trigger: 'item',  
        formatter: "{a} <br/>{b} : {c} ({d}%)"  
    },  
    legend: {  
        orient : 'vertical',  
        x : 'left',  
        data:['直接访问','邮件营销','联盟广告','视频广告','搜索引擎']  
    },  
    toolbox: {  
        show : true,  
        feature : {  
            mark : {show: true},  
            dataView : {show: true, readOnly: false},  
            magicType : {  
                show: true,  
                type: ['pie', 'funnel'],  
                option: {  
                    funnel: {  
                        x: '25%',  
                        width: '50%',  
                        funnelAlign: 'left',  
                        max: 1548  
                    }  
                }  
            },  
            restore : {show: true},  
            saveAsImage : {show: true}  
        }  
    },  
    calculable : true,  
    series : [  
        {  
            name:'访问来源',  
            type:'pie',  
            radius : '55%',  
            center: ['50%', '60%'],  
            data:[  
                {value:335, name:'直接访问'},  
                {value:310, name:'邮件营销'},  
                {value:234, name:'联盟广告'},  
                {value:135, name:'视频广告'},  
                {value:1548, name:'搜索引擎'}  
            ]  
        }  
    ]  
}; 

可以看到option =后面的大括号里是JSON格式的数据，接下来分析一下各项数据：

• title：标题
• text：标题内容
• subtext：子标题
• x：标题位置
• tooltip：提示，将鼠标放到饼状图上就可以看到提示
• legend：图例
• orient：方向
• x：图例位置
• data：图例内容
• toolbox：工具箱，在饼状图右上方横向排列的图标
• mark：辅助线开关
• dataView：数据视图，点击可以查看饼状图数据
• magicType：饼图(pie)切换和漏斗图(funnel)切换
• restore：还原
• saveAsImage：保存为图片
• calculable：暂时不知道它有什么用
• series：主要数据
• data：呈现的数据

其它类型的图数据格式类似，后面不再详细分析。只需要修改data、legend->data、series->data即可，修改后的数据为： 

option = {  
    title : {  
        text: '微信好友性别比例',  
        subtext: '真实数据',  
        x:'center'  
    },  
    tooltip : {  
        trigger: 'item',  
        formatter: "{a} <br/>{b} : {c} ({d}%)"  
    },  
    legend: {  
        orient : 'vertical',  
        x : 'left',  
        data:['男性','女性']  
    },  
    toolbox: {  
        show : true,  
        feature : {  
            mark : {show: true},  
            dataView : {show: true, readOnly: false},  
            magicType : {  
                show: true,  
                type: ['pie', 'funnel'],  
                option: {  
                    funnel: {  
                        x: '25%',  
                        width: '50%',  
                        funnelAlign: 'left',  
                        max: 1548  
                    }  
                }  
            },  
            restore : {show: true},  
            saveAsImage : {show: true}  
        }  
    },  
    calculable : true,  
    series : [  
        {  
            name:'访问来源',  
            type:'pie',  
            radius : '55%',  
            center: ['50%', '60%'],  
            data:[  
                {value:255, name:'男性'},  
                {value:104, name:'女性'}  
            ]  
        }  
    ]  
};       

数据修改完成后，点击页面中绿色的刷新按钮，可以得到饼图如下（可以根据自己的喜好修改主题）：

▲好友性别比例

 

将鼠标放到饼图上可以看到详细数据：

▲好友性别比例查看数据

 

 

03 微信好友全国分布图

1. 数据统计 

# 使用一个字典统计各省好友数量  
province_dict = {'北京': 0, '上海': 0, '天津': 0, '重庆': 0,  
    '河北': 0, '山西': 0, '吉林': 0, '辽宁': 0, '黑龙江': 0,  
    '陕西': 0, '甘肃': 0, '青海': 0, '山东': 0, '福建': 0,  
    '浙江': 0, '台湾': 0, '河南': 0, '湖北': 0, '湖南': 0,  
    '江西': 0, '江苏': 0, '安徽': 0, '广东': 0, '海南': 0,  
    '四川': 0, '贵州': 0, '云南': 0,  
    '内蒙古': 0, '新疆': 0, '宁夏': 0, '广西': 0, '西藏': 0,  
    '香港': 0, '澳门': 0}  
 
# 统计省份  
for friend in my_friends:  
    if friend.province in province_dict.keys():  
        province_dict[friend.province] += 1  
 
# 为了方便数据的呈现，生成JSON Array格式数据  
data = []  
for key, value in province_dict.items():  
    data.append({'name': key, 'value': value})  
 
print(data) 

以下为输出结果： 

[{'name': '北京', 'value': 91}, {'name': '上海', 'value': 12}, {'name': '天津', 'value': 15}, {'name': '重庆', 'value': 1}, {'name': '河北', 'value': 53}, {'name': '山西', 'value': 2}, {'name': '吉林', 'value': 1}, {'name': '辽宁', 'value': 1}, {'name': '黑龙江', 'value': 2}, {'name': '陕西', 'value': 3}, {'name': '甘肃', 'value': 0}, {'name': '青海', 'value': 0}, {'name': '山东', 'value': 7}, {'name': '福建', 'value': 3}, {'name': '浙江', 'value': 4}, {'name': '台湾', 'value': 0}, {'name': '河南', 'value': 1}, {'name': '湖北', 'value': 4}, {'name': '湖南', 'value': 4}, {'name': '江西', 'value': 4}, {'name': '江苏', 'value': 9}, {'name': '安徽', 'value': 2}, {'name': '广东', 'value': 63}, {'name': '海南', 'value': 0}, {'name': '四川', 'value': 2}, {'name': '贵州', 'value': 0}, {'name': '云南', 'value': 1}, {'name': '内蒙古', 'value': 0}, {'name': '新疆', 'value': 2}, {'name': '宁夏', 'value': 0}, {'name': '广西', 'value': 1}, {'name': '西藏', 'value': 0}, {'name': '香港', 'value': 0}, {'name': '澳门', 'value': 0}] 

可以看出，好友最多的省份为北京。那么问题来了：为什么要把数据重组成这种格式？因为ECharts的地图需要这种格式的数据。

2. 数据呈现

采用ECharts地图 来进行好友分布的数据呈现。打开该网址，将左侧数据修改为： 

option = {  
    title : {  
        text: '微信好友全国分布图',  
        subtext: '真实数据',  
        x:'center'  
    },  
    tooltip : {  
        trigger: 'item' 
     },  
    legend: {  
        orient: 'vertical',  
        x:'left',  
        data:['好友数量']  
    },  
    dataRange: {  
        min: 0,  
        max: 100,  
        x: 'left',  
        y: 'bottom',  
        text:['高','低'],          // 文本，默认为数值文本  
        calculable : true  
    },  
    toolbox: {  
        show: true,  
        orient : 'vertical',  
        x: 'right',  
        y: 'center',  
        feature : {  
            mark : {show: true},  
            dataView : {show: true, readOnly: false},  
            restore : {show: true},  
            saveAsImage : {show: true}  
        }  
    },  
    roamController: { 
        show: true,  
        x: 'right',  
        mapTypeControl: {  
            'china': true  
        }  
    }, 
 
    series : [  
        { 
 
            name: '好友数量',  
            type: 'map',  
            mapType: 'china',  
            roam: false,  
            itemStyle:{  
                normal:{label:{show:true}},  
                emphasis:{label:{show:true}}  
            },  
            data:[  
              {'name': '北京', 'value': 91},  
              {'name': '上海', 'value': 12},  
              {'name': '天津', 'value': 15},   
              {'name': '重庆', 'value': 1},   
              {'name': '河北', 'value': 53},  
              {'name': '山西', 'value': 2},   
              {'name': '吉林', 'value': 1},  
              {'name': '辽宁', 'value': 1},   
              {'name': '黑龙江', 'value': 2}, 
              {'name': '陕西', 'value': 3},  
              {'name': '甘肃', 'value': 0},  
              {'name': '青海', 'value': 0},   
              {'name': '山东', 'value': 7},  
              {'name': '福建', 'value': 3},   
              {'name': '浙江', 'value': 4},  
              {'name': '台湾', 'value': 0},  
              {'name': '河南', 'value': 1},  
              {'name': '湖北', 'value': 4},   
              {'name': '湖南', 'value': 4},  
              {'name': '江西', 'value': 4},  
              {'name': '江苏', 'value': 9},  
              {'name': '安徽', 'value': 2},  
              {'name': '广东', 'value': 63},   
              {'name': '海南', 'value': 0},  
              {'name': '四川', 'value': 2},  
              {'name': '贵州', 'value': 0},   
              {'name': '云南', 'value': 1},  
              {'name': '内蒙古', 'value': 0},  
              {'name': '新疆', 'value': 2},   
              {'name': '宁夏', 'value': 0},  
              {'name': '广西', 'value': 1}, 
              {'name': '西藏', 'value': 0},  
              {'name': '香港', 'value': 0},  
              {'name': '澳门', 'value': 0}  
            ]  
        }  
    ]  
};                     

注意两点：

• dataRange->max 根据统计数据适当调整
• series->data 的数据格式

点击刷新按钮后，可以生成如下地图：

▲好友全国分布图

从图中可以看出我的好友主要分布在北京、河北和广东。

有趣的是，地图左边有一个滑块，代表地图数据的范围，我们将上边的滑块拉到最下面可以看到没有微信好友分布的省份：

▲没有微信好友的省份

按照这个思路，我们可以在地图上看到确切数量好友分布的省份，读者可以动手试试。

04 好友签名统计

1. 数据统计 

def write_txt_file(path, txt):  
    '''  
    写入txt文本  
    '''  
    with open(path, 'a', encoding='gb18030', newline='') as f:  
        f.write(txt)      
 
# 统计签名  
for friend in my_friends:  
    # 对数据进行清洗，将标点符号等对词频统计造成影响的因素剔除  
    pattern = re.compile(r'[一-龥]+')  
    filterdata = re.findall(pattern, friend.signature)  
    write_txt_file('signatures.txt', ''.join(filterdata)) 

上面代码实现了对好友签名进行清洗以及保存的功能，执行完成之后会在当前目录生成signatures.txt文件。

2. 数据呈现

数据呈现采用词频统计和词云展示，通过词频可以了解到微信好友的生活态度。

词频统计用到了 jieba、numpy、pandas、scipy、wordcloud库。如果电脑上没有这几个库，执行安装指令：

• pip install jieba  
• pip install pandas  
• pip install numpy  
• pip install scipy  
• pip install wordcloud  

2.1 读取txt文件

前面已经将好友签名保存到txt文件里了，现在我们将其读出： 

def read_txt_file(path):  
    '''  
    读取txt文本  
    '''  
    with open(path, 'r', encoding='gb18030', newline='') as f:  
        return f.read() 

2.2 stop word

下面引入一个概念：stop word， 在网站里面存在大量的常用词比如：“在”、“里面”、“也”、“的”、“它”、“为”这些词都是停止词。这些词因为使用频率过高，几乎每个网页上都存在，所以搜索引擎开发人员都将这一类词语全部忽略掉。如果我们的网站上存在大量这样的词语，那么相当于浪费了很多资源。

在百度搜索stopwords.txt进行下载，放到py文件同级目录。 

content = read_txt_file(txt_filename)  
segment = jieba.lcut(content)  
words_df=pd.DataFrame({'segment':segment})  
 
stopwords=pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8')  
words_df=words_df[~words_df.segment.isin(stopwords.stopword)] 

2.3 词频统计

重头戏来了，词频统计使用numpy： 

import numpy  
words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数":numpy.size})  
    words_stat = words_stat.reset_index().sort_values(by=["计数"],ascending=False) 

2.4 词频可视化：词云

词频统计虽然出来了，可以看出排名，但是不***，接下来我们将它可视化。使用到wordcloud库，详细介绍见 github 。 

from scipy.misc import imread  
from wordcloud import WordCloud, ImageColorGenerator  
 
 
# 设置词云属性  
color_mask = imread('background.jfif')  
wordcloud = WordCloud(font_path="simhei.ttf",   # 设置字体可以显示中文  
                background_color="white",       # 背景颜色  
                max_words=100,                  # 词云显示的***词数  
                mask=color_mask,                # 设置背景图片  
                max_font_size=100,              # 字体***值  
                random_state=42,  
                width=1000, height=860, margin=2,# 设置图片默认的大小,但是如果使用背景图片的话,                                                   # 那么保存的图片大小将会按照其大小保存,margin为词语边缘距离 
                )  
 
 
# 生成词云, 可以用generate输入全部文本,也可以我们计算好词频后使用generate_from_frequencies函数  
word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}  
print(word_frequence)  
word_frequence_dict = {}  
for key in word_frequence:  
    word_frequence_dict[key] = word_frequence[key]  
 
wordcloud.generate_from_frequencies(word_frequence_dict)  
# 从背景图片生成颜色值    
image_colors = ImageColorGenerator(color_mask) 
# 重新上色  
wordcloud.recolor(color_func=image_colors)  
# 保存图片  
wordcloud.to_file('output.png')  
plt.imshow(wordcloud)  
plt.axis("off")  
plt.show() 

运行效果图如下（左图为背景图，右图为生成词云图片）：

▲背景图和词云图对比

从词云图可以分析好友特点：

• 做--------------------行动派
• 人生、生活--------热爱生活
• 快乐-----------------乐观
• 选择-----------------决断
• 专业-----------------专业
• 爱--------------------爱

05 总结

至此，微信好友的分析工作已经完成，wxpy的功能还有很多，比如聊天、查看公众号信息等，有意的读者请自行查阅官方文档。

06 完整代码

上面的代码比较松散，下面展示的完整代码我将各功能模块封装成函数： 

#-*- coding: utf-8 -*-  
import re  
from wxpy import *  
import jieba  
import numpy  
import pandas as pd  
import matplotlib.pyplot as plt  
from scipy.misc import imread  
from wordcloud import WordCloud, ImageColorGenerator  
 
def write_txt_file(path, txt):  
    '''  
    写入txt文本  
    '''  
    with open(path, 'a', encoding='gb18030', newline='') as f:  
        f.write(txt) 
 
def read_txt_file(path):  
    '''  
    读取txt文本  
    '''  
    with open(path, 'r', encoding='gb18030', newline='') as f:  
        return f.read()  
 
def login():  
    # 初始化机器人，扫码登陆  
    bot = Bot()   
 
    # 获取所有好友  
    my_friends = bot.friends()  
 
    print(type(my_friends))  
    return my_friends   
 
def show_sex_ratio(friends):  
    # 使用一个字典统计好友男性和女性的数量  
    sex_dict = {'male': 0, 'female': 0}  
 
    for friend in friends:  
        # 统计性别  
        if friend.sex == 1:  
            sex_dict['male'] += 1  
        elif friend.sex == 2:  
            sex_dict['female'] += 1  
 
    print(sex_dict)  
 
def show_area_distribution(friends): 
    # 使用一个字典统计各省好友数量  
    province_dict = {'北京': 0, '上海': 0, '天津': 0, '重庆': 0,  
        '河北': 0, '山西': 0, '吉林': 0, '辽宁': 0, '黑龙江': 0,  
        '陕西': 0, '甘肃': 0, '青海': 0, '山东': 0, '福建': 0,  
        '浙江': 0, '台湾': 0, '河南': 0, '湖北': 0, '湖南': 0,  
        '江西': 0, '江苏': 0, '安徽': 0, '广东': 0, '海南': 0,  
        '四川': 0, '贵州': 0, '云南': 0,  
        '内蒙古': 0, '新疆': 0, '宁夏': 0, '广西': 0, '西藏': 0,  
        '香港': 0, '澳门': 0}  
 
    # 统计省份  
    for friend in friends:  
        if friend.province in province_dict.keys():  
            province_dict[friend.province] += 1  
 
    # 为了方便数据的呈现，生成JSON Array格式数据  
    data = []  
    for key, value in province_dict.items():  
        data.append({'name': key, 'value': value})  
 
    print(data)  
 
def show_signature(friends):  
    # 统计签名  
    for friend in friends:  
        # 对数据进行清洗，将标点符号等对词频统计造成影响的因素剔除  
        pattern = re.compile(r'[一-龥]+')  
        filterdata = re.findall(pattern, friend.signature)  
        write_txt_file('signatures.txt', ''.join(filterdata)) 
 
 
    # 读取文件  
    content = read_txt_file('signatures.txt')  
    segment = jieba.lcut(content)  
    words_df = pd.DataFrame({'segment':segment}) 
 
 
    # 读取stopwords  
    stopwords = pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8')  
    words_df = words_df[~words_df.segment.isin(stopwords.stopword)]  
    print(words_df) 
 
 
    words_stat = words_df.groupby(by=['segment'])['segment'].agg({"计数":numpy.size})  
    words_stat = words_stat.reset_index().sort_values(by=["计数"],ascending=False) 
 
 
    # 设置词云属性  
    color_mask = imread('background.jfif')  
    wordcloud = WordCloud(font_path="simhei.ttf",   # 设置字体可以显示中文  
                    background_color="white",       # 背景颜色  
                    max_words=100,                  # 词云显示的***词数  
                    mask=color_mask,                # 设置背景图片  
                    max_font_size=100,              # 字体***值  
                    random_state=42,  
                    width=1000, height=860, margin=2,# 设置图片默认的大小,但是如果使用背景图片的话,                                                   # 那么保存的图片大小将会按照其大小保存,margin为词语边缘距离 
                    ) 
 
 
    # 生成词云, 可以用generate输入全部文本,也可以我们计算好词频后使用generate_from_frequencies函数  
    word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}  
    print(word_frequence)  
    word_frequence_dict = {}  
    for key in word_frequence:  
        word_frequence_dict[key] = word_frequence[key]   
 
    wordcloud.generate_from_frequencies(word_frequence_dict)  
    # 从背景图片生成颜色值    
    image_colors = ImageColorGenerator(color_mask)   
    # 重新上色  
    wordcloud.recolor(color_func=image_colors)  
    # 保存图片  
    wordcloud.to_file('output.png')  
    plt.imshow(wordcloud)  
    plt.axis("off")  
    plt.show()  
 
def main():  
    friends = login()  
    show_sex_ratio(friends) 
    show_area_distribution(friends)  
    show_signature(friends) 
 
 
if __name__ == '__main__':  
    main()