本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者： python实用宝典
ps：如有需要python学习资料的小伙伴可以加点击下方链接自行获取
瞧 这是不是一个有声音、有画面的小爱心~
今天 我们采集情侣们之间的聊天日常
用此制作一份只属于你们的小浪漫！
第一步，我们需要导出自己和对象的数据~
微信的备份功能并不能直接给你导出文本格式，它导出来其实是一种叫sqlite的数据库。如果说用网上流传的方法提取文本数据，ios则需要下载itunes备份整机，安卓则需要本机的root权限，无论是哪种都非常麻烦，在这里给大家介绍一种不需要整机备份和本机root权限，只导出和对象的聊天数据的方法。
那就是使用安卓模拟器导出，这样既能ios/安卓通用，又能够避免对本机造成不良影响，首先需要用电脑版的微信备份你和你对象的聊天记录。以windows系统为例：
-
下载夜神模拟器
-
在夜神模拟器中下载微信
-
使用windows客户端版的微信进行备份，如图左下角
-
-
点击备份聊天记录至电脑
-
手机端选择备份的对象
点击进入下方的选择聊天记录，然后选择和你对象的记录就可以啦
-
导出完毕后打开模拟器，登录模拟器的微信
-
-
登录成功后返回电脑版微信登录，打开备份与恢复，选择恢复聊天记录到手机
-
-
勾选我们刚刚导出的聊天记录，并在手机上点击开始恢复
-
-
打开夜神模拟器的root权限
-
-
用模拟器的浏览器百度搜索re文件管理器，下载（图一）安装后打开，会弹出对话框让你给予root权限，选择永久给予，打开re文件管理器（图二），进入以下文件夹（图三）， 这是应用存放数据的地方。
/data/data/com.tencent.mm/micromsg
然后进入一个由数字和字母组合而成的文件夹，如上 图三 的 4262333387ddefc95fee35aa68003cc5
-
找到该文件夹下的enmicromsg.db文件，将其复制到夜神模拟器的共享文件夹（图四）。共享文件夹的位置为 /mnt/shell/emulated/0/others ( 图五 )，现在访问windows的 c:\users\你的用户名\nox_share\othershare 获取该数据库文件( enmicromsg.db )
-
导出该数据库后，使用一款叫 sqlcipher 的软件读取数据 将该字符串进行md5计算后的前七位便是该数据库的密码，如 "355757010761231 857456862" 实际上中间没有空格，然后放入md5计算取前面七位数字，后续会详细介绍。
哇，真是“简单易懂”啊，没关系，接下来告诉大家imei和uin怎么获得。
首先是imei，在模拟器右上角的系统设置 —— 属性设置里就可以找得到啦，如图所示。
现在我们获得了imei号，那uin号呢？
同样地，用re文件管理器打开这个文件
长按改文件，点击右上角的三个点—选择打开方式—文本浏览器，找到default_uin，后面的数字就是了 ！
得到这两串数字后，就可以开始计算密码啦，如果我的imei是355757010762041，uin是857749862，那么合起来就是355757010762041857749862，将这串数字放入免费md5在线计算
得到的数字的前七位就是我们的密码了，像这一串就是 6782538.
然后我们就可以进入我们的核心环节：使用 sqlcipher 导出聊天文本数据！
点击 file - open database - 选择我们刚刚的数据库文件，会弹出框框让你输入密码，我们输入刚刚得到的七位密码，就可以进入到数据库了，选择message表格，这就是你与你的对象的聊天记录！
我们可以将它导出成csv文件：file - export - table as csv.
接下来，我们将使用python代码，将里面真正的聊天内容：content信息提取出来，如下所示。虽然这个软件也允许select，但是它select后不允许导出，非常不好用，因此还不如我们自己写一个：
1 import pandas
2 import csv, sqlite3
3 conn= sqlite3.connect('chat_log.db')
4 # 新建数据库为 chat_log.db
5 df = pandas.read_csv('chat_logs.csv', sep=",")
6 # 读取我们上一步提取出来的csv文件，这里要改成你自己的文件名
7 df.to_sql('my_chat', conn, if_exists='append', index=false)
8 # 存入my_chat表中
9
10 conn = sqlite3.connect('chat_log.db')
11 # 连接数据库
12 cursor = conn.cursor()
13 # 获得游标
14 cursor.execute('select content from my_chat where length(content)<30')
15 # 将content长度限定30以下，因为content中有时候会有微信发过来的东西
16 value=cursor.fetchall()
17 # fetchall返回筛选结果
18
19 data=open("聊天记录.txt",'w+',encoding='utf-8')
20 for i in value:
21 data.write(i[0]+'\n')
22 # 将筛选结果写入 聊天记录.txt
23
24 data.close()
25 cursor.close()
26 conn.close()
27 # 关闭连接
记得把csv文件的编码格式转换成utf-8哦，不然可能会运行不下去：
第二步，根据第一步得到的聊天数据生成词云
. 导入我们的聊天记录，并对每一行进行分词
聊天记录是一行一行的句子，我们需要使用分词工具把这一行行句子分解成由词语组成的数组，这时候我们就需要用到结巴分词了。
分词后我们还需要去除词语里一些语气词、标点符号等等（停用词），然后还要自定义一些词典，比如说你们之间恩恩爱爱的话，一般结巴分词是无法识别出来的，需要你自行定义，比如说：小傻瓜别感冒了，一般分词结果是
小/傻瓜/别/感冒/了
如果你把“小傻瓜”加入到自定义词典里（我们下面的例子里是mywords.txt），则分词结果则会是
小傻瓜/别/感冒/了
下面对我们的聊天记录进行分词：
1 import jieba
2 import codecs
3 def load_file_segment():
4 # 读取文本文件并分词
5 jieba.load_userdict("mywords.txt")
6 # 加载我们自己的词典
7 f = codecs.open(u"聊天记录.txt",'r',encoding='utf-8')
8 # 打开文件
9 content = f.read()
10 # 读取文件到content中
11 f.close()
12 # 关闭文件
13 segment=[]
14 # 保存分词结果
15 segs=jieba.cut(content)
16 # 对整体进行分词
17 for seg in segs:
18 if len(seg) > 1 and seg != '\r\n':
19 # 如果说分词得到的结果非单字，且不是换行符，则加入到数组中
20 segment.append(seg)
21 return segment
22 print(load_file_segment())
-
计算分词后的词语对应的频数
为了方便计算，我们需要引入一个叫pandas的包，然后为了计算每个词的个数，我们还要引入一个叫numpy的包，cmd/terminal中输入以下命令安装pandas和numpy：
pip install pandas
pip install numpy
1 import pandas
2 import numpy
3 def get_words_count_dict():
4 segment = load_file_segment()
5 # 获得分词结果
6 df = pandas.dataframe({'segment':segment})
7 # 将分词数组转化为pandas数据结构
8 stopwords = pandas.read_csv("stopwords.txt",index_col=false,quoting=3,sep="\t",names=['stopword'],encoding="utf-8")
9 # 加载停用词
10 df = df[~df.segment.isin(stopwords.stopword)]
11 # 如果不是在停用词中
12 words_count = df.groupby(by=['segment'])['segment'].agg({"计数":numpy.size})
13 # 按词分组，计算每个词的个数
14 words_count = words_count.reset_index().sort_values(by="计数",ascending=false)
15 # reset_index是为了保留segment字段，排序，数字大的在前面
16 return words_count
17 print(get_words_count_dict())
完整代码，wordcloud.py 如下，附有详细的解析：
1 import jieba
2 import numpy
3 import codecs
4 import pandas
5 import matplotlib.pyplot as plt
6 from scipy.misc import imread
7 import matplotlib.pyplot as plt
8 from wordcloud import wordcloud, imagecolorgenerator
9 from wordcloud import wordcloud
10
11 def load_file_segment():
12 # 读取文本文件并分词
13 jieba.load_userdict("mywords.txt")
14 # 加载我们自己的词典
15 f = codecs.open(u"聊天记录.txt",'r',encoding='utf-8')
16 # 打开文件
17 content = f.read()
18 # 读取文件到content中
19 f.close()
20 # 关闭文件
21 segment=[]
22 # 保存分词结果
23 segs=jieba.cut(content)
24 # 对整体进行分词
25 for seg in segs:
26 if len(seg) > 1 and seg != '\r\n':
27 # 如果说分词得到的结果非单字，且不是换行符，则加入到数组中
28 segment.append(seg)
29 return segment
30
31 def get_words_count_dict():
32 segment = load_file_segment()
33 # 获得分词结果
34 df = pandas.dataframe({'segment':segment})
35 # 将分词数组转化为pandas数据结构
36 stopwords = pandas.read_csv("stopwords.txt",index_col=false,quoting=3,sep="\t",names=['stopword'],encoding="utf-8")
37 # 加载停用词
38 df = df[~df.segment.isin(stopwords.stopword)]
39 # 如果不是在停用词中
40 words_count = df.groupby(by=['segment'])['segment'].agg({"计数":numpy.size})
41 # 按词分组，计算每个词的个数
42 words_count = words_count.reset_index().sort_values(by="计数",ascending=false)
43 # reset_index是为了保留segment字段，排序，数字大的在前面
44 return words_count
45
46 words_count = get_words_count_dict()
47 # 获得词语和频数
48
49 bimg = imread('ai.jpg')
50 # 读取我们想要生成词云的模板图片
51 wordcloud = wordcloud(background_color='white', mask=bimg, font_path='simhei.ttf')
52 # 获得词云对象，设定词云背景颜色及其图片和字体
53
54 # 如果你的背景色是透明的，请用这两条语句替换上面两条
55 # bimg = imread('ai.png')
56 # wordcloud = wordcloud(background_color=none, mode='rgba', mask=bimg, font_path='simhei.ttf')
57
58 words = words_count.set_index("segment").to_dict()
59 # 将词语和频率转为字典
60 wordcloud = wordcloud.fit_words(words["计数"])
61 # 将词语及频率映射到词云对象上
62 bimgcolors = imagecolorgenerator(bimg)
63 # 生成颜色
64 plt.axis("off")
65 # 关闭坐标轴
66 plt.imshow(wordcloud.recolor(color_func=bimgcolors))
67 # 绘色
68 plt.show()
