1. 场景
前几天，有一位小伙伴在后台给我留言，说自己有几十个微信群，自己精力有限，没法看过来，想要筛选一些高质量的群，让我是否能帮忙想想办法。
其实，微信群里的所有聊天记录都在手机本地文件夹内，只需要导出来进行解密，然后来一波数据分析，就可以帮他筛选出高质量的社群。
本篇文章将带大家用 Python 一步步来实现这个功能。
2. 实现步骤
第 1 步，导出微信聊天记录数据库
首先，我们使用一部 Root 后的手机或者模拟器登录微信，找到微信聊天记录数据库，然后导出到本地。
数据库文件的完整路径如下：
- # 微信聊天记录数据库完整路径
- /data/data/com.tencent.mm/MicroMsg/[当前登录微信的随机字符串]/EnMicroMsg.db
需要注意的是，如果当前设备没有 Root，可以选择群聊消息进行一次迁移，然后从 Root 设备或模拟器中导出数据库。
第 2 步，获取数据库的密码
微信数据库的密码组成形式为：手机 IMEI + 微信 UIN，然后 md5 加密(32 位小写)的前 7 个数字。
其中，手机的 IMEI 可以通过 *#06# 获取，如果是双卡手机，需要自己做一下判断。
微信的 UIN 在下面配置文件中，找到 name 属性为 default_uin 的 value 值，即为 UIN
- # 当前登录微信的配置文件
- /data/data/com.tencent.mm/shared_prefs/system_config_prefs.xml
最后，然后将 IMET 和 UIN 组成字符串，然后利用 MD5 进行加密，取 32 位小写的前 7 位即为微信数据库的密码。
第 3 步，破解数据库
由于微信数据库是使用 SQLCipher 生成，所以要先安装 sqlcipher 命令行文件
- # 安装sqlcipher命令行（Mac）
- brew install sqlcipher
- # Win可以去下载sqlcipher命令行文件
然后，输入数据库的密码及解密方式等，导出破解后的数据库。
第 4 步，分析数据库
推荐使用 SQLiteSutdio 打开并分析上面破解后的数据库，重点查看 message、rcontact、chatroom 这 3 张表。
微信所有的文字聊天记录都存放在 mesage 数据表中，包含：聊天内容、发送者、消息类型、创建时间等
rcontact 为微信通讯录表，包含：微信 ID、昵称、备注名等
chatroom 是群聊信息表，包含：群聊 ID、成员列表等
第 5 步，Python 打开数据库并封装
使用 sqlite3 连接本地数据库文件，获取数据库对象和游标对象
- import sqlite3
- def __init__(self, db_path="./weixin.db"):
- """
- 本地数据库初始化
- """
- self.db = sqlite3.connect(db_path)
- self.cursor = self.db.cursor()
接着，对数据库常用的操作，包含：增删改查，进行封装操作。
- def execute(self, sql, param=None):
- """
- sql: Sql语句，包含：增、删、改
- param：数据，可以为列表、字典，也可以为空
- """
- try:
- if param is None:
- self.cursor.execute(sql)
- else:
- if type(param) is list:
- self.cursor.executemany(sql, param)
- else:
- self.cursor.execute(sql, param)
- count = self.db.total_changes
- self.db.commit()
- except Exception as e:
- print(e)
- return False, e
- # 返回结果
- return True if count > 0 else False
- def query(self, sql, param=None):
- """
- 查询语句
- sql：Sql语句
- param：参数，可以包含空
- retutn：成功返回True
- """
- if param is None:
- self.cursor.execute(sql)
- else:
- self.cursor.execute(sql, param)
- # 返回查询的结果
- return self.cursor.fetchall()
第 6 步，通过群聊名称获取群聊 ID
根据群聊昵称，使用 Sql 语句查询 rcontact 表，可以获取群聊的 ID 值
- def __get_chartroom_id(self):
- """
- 获取群聊的id
- :return:
- """
- res = self.db.query('select username from rcontact where nickname=?;', (self.chatroom_name,))
- # 群聊id
- chatroom_id = res[0][0]
- return chatroom_id
第 7 步，获取群聊消息
拥有群聊 ID 之后，紧接着查询 message 表，获取当前群聊的所有消息内容。
- # message表：聊天记录表
- # isSend=0:对方发送的；isSend=1：自己发送的
- sql = "SELECT content FROM message WHERE talker='{}' and isSend=0".format(chatroom_id)
- # 查询表，获取所有的聊天记录
- result = self.db.query(sql)
为了获取有效的消息内容，可以清洗掉自己发送的消息、系统消息、红包消息等内容
- # 循环查询到的所有的消息
- for item in result:
- # 过滤数据
- if not item or not item[0] or item[0].find('xml') != -1 or item[0].find('sysmsg') != -1 or item[0].find(
- '<msg>') != -1 or item[0].find('chatroom') != -1 or item[0].find('weixinhongbao') != -1:
- continue
- # 过滤掉自己发送的内容，不包含：
- temps = item[0].split(':')
- if len(temps) < 2:
- # print('自己发送的内容:' + item[0])
- continue
- # 每一条聊天记录，过滤掉发送者，只保留消息正文
- # 发送者
- send_from = item[0].split(':')[0]
- # 发送内容
- send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "")
- # 过长的消息，也过滤掉
- if len(send_msg) > 200:
- continue
对于群其他成员发送的内容，再过滤掉消息内容的前半部分，只保留消息正文
第 8 步，生成词云
使用 jieba 对群内有效的消息进行分词，然后使用 wordcloud 生成词云图。
- def generate_wordcloud(self, word):
- """
- 生成词云
- :param word:
- :return:
- """
- img = WordCloud(font_path="./DroidSansFallbackFull.ttf", width=2000, height=2000,
- margin=2, collocations=False).generate(word)
- plt.imshow(img)
- plt.axis("off")
- plt.show()
- # 保存图片
- img.to_file("{}.png".format("群聊"))
- # 分词
- temp = " ".join(jieba.cut(words, cut_all=True))
- # 生成词云
- generate_wordcloud(temp)
第 9 步，新建排名表，插入数据
为了统计群聊活跃度排名，我们需要新建一张表，包含：id、微信昵称、消息内容 3 个字段。
- def __create_top_table(self):
- """
- 创建Top表
- :return:
- """
- # 创建Top表，如果存在就不重新创建
- result = self.db.execute(
- "CREATE TABLE IF NOT EXISTS top(uid integer primary key,name varchar(200),msg varchar(200))")
接着，将上一步的每一条消息中的发送者 ID、发送内容 2 个字段插入到新建的 Top 表内
- # 定义一个列表，加入所有要统计的数据
- msg_pre = []
- for item in result:
- # 发送者
- send_from = item[0].split(':')[0]
- # 发送内容
- send_msg = "".join(item[0].split(':')[1:]).strip().replace("\"", "")
- msg_pre.append((send_from, send_msg))
- # 把要统计的数据，插入到top表中
- self.db.execute("insert into top(uid,name,msg) values (NULL,?,?);", msg_pre)
第 10 步，获取活跃度排名并可视化
从 Top 数据表中，通过微信昵称查询出每一位成员发言的次数，并保存到一个列表中
- def get_top_partner(self):
- """
- 排名前15的成员
- :return:
- """
- sql = "SELECT name as 姓名,COUNT(*) as times FROM top GROUP BY name ORDER BY times DESC limit %d;" % self.top_num
- result = self.db.query(sql)
- for item in result:
- # 用户id
- id = item[0]
- # 发言次数
- count = item[1]
- # 获取用户的昵称，即：微信昵称
- username = self.get_username(id)
- self.top_data.append({
- 'username': username,
- 'count': count
- })
最后，去除微信昵称的特殊符号，使用 pyecharts 将数据可视化。
- def draw_image(self):
- """
- 数据可视化
- :return:
- """
- usernames = []
- counts = []
- for user in self.top_data:
- # 去除昵称中的特殊符号
- usernames.append(get_ava_string(user.get('username').strip())[0:8])
- counts.append(user.get('count'))
- def bar_chart() -> Bar:
- c = (
- Bar()
- .add_xaxis(usernames)
- .add_yaxis("活跃度", counts)
- .reversal_axis()
- .set_series_opts(label_opts=opts.LabelOpts(position="right"))
- .set_global_opts(title_opts=opts.TitleOpts(title="最活跃的%d个小伙伴" % self.top_num))
- )
- return c
- # 需要安装 snapshot-selenium 或者 snapshot-phantomjs
- make_snapshot(driver, bar_chart().render(), "bar.png")
3. 最后
上面的操作，通过生成的词云了解到当前群聊过去一段时间都在聊的话题及价值，通过对聊天记录的数据分析，获取到微信群聊活跃度排名。
当然，也可以分析群成员潜水排名及某一位群成员的数据分析。
