用Python深度分析微信群聊，拥有高质量社群！

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）
brewinstallsqlcipher
#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

importsqlite3
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。

defexecute(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:
ifparamisNone:
self.cursor.execute(sql)
else:
iftype(param)islist:
self.cursor.executemany(sql,param)
else:
self.cursor.execute(sql,param)
count=self.db.total_changes
self.db.commit()
exceptExceptionase:
print(e)
returnFalse,e
#返回结果
returnTrueifcount>0elseFalse
defquery(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
"""
ifparamisNone:
self.cursor.execute(sql)
else:
self.cursor.execute(sql,param)
#返回查询的结果
returnself.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('selectusernamefromrcontactwherenickname=?;',(self.chatroom_name,))
#群聊id
chatroom_id=res[0][0]
returnchatroom_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="SELECTcontentFROMmessageWHEREtalker='{}'andisSend=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
foriteminresult:
#过滤数据
ifnotitemornotitem[0]oritem[0].find('xml')!=-1oritem[0].find('sysmsg')!=-1oritem[0].find(
'<msg>')!=-1oritem[0].find('chatroom')!=-1oritem[0].find('weixinhongbao')!=-1:
continue
#过滤掉自己发送的内容，不包含：
temps=item[0].split(':')
iflen(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
iflen(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。

defgenerate_wordcloud(self,word):
"""
生成词云
:paramword:
: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(
"CREATETABLEIFNOTEXISTStop(uidintegerprimarykey,namevarchar(200),msgvarchar(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=[]
foriteminresult:
#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("insertintotop(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

defget_top_partner(self):
"""
排名前15的成员
:return:
"""
sql="SELECTnameas姓名,COUNT(*)astimesFROMtopGROUPBYnameORDERBYtimesDESClimit%d;"%self.top_num
result=self.db.query(sql)
foriteminresult:
#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。

defdraw_image(self):
"""
数据可视化
:return:
"""
usernames=[]
counts=[]
foruserinself.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'))
defbar_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))
)
returnc
#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。