微信聊天记录生成词云

前置准备

为了获取到微信聊天记录，我们需要在电脑上准备以下软件

• MuMu模拟器

MuMu模拟器中安装微信与RE文件管理器。这里是为了微信聊天记录的恢复与导出EnMicroMsg.db文件

• sqlcipher

EnMicroMsg.db为sqlLite数据库文件，需要解密。

提取码: zbkw

为了生成词云，我们需要在电脑上安装python环境，当然也可以使用其他方式生成词云

• python环境准备

环境搭建教程：https://www.runoob.com/python/python-install.html

一、获取微信聊天记录

（一）配置MuMu模拟器

1. 开启root权限，并且记录IMEI编码。

2. 下载微信与RE文件管理器
   

（二）微信数据备份与恢复

手机与电脑连接同一网络，利用微信的备份与恢复，将手机上的聊天记录备份至电脑。（这里可以指定联系人的聊天记录）

备份完成后，进入模拟器中的微信，登录后恢复聊天记录到模拟器中。（这里需要重新登陆微信）

（三）获取微信聊天记录文件至电脑

打开RE文件管理器，从根目录/下开始，路径为：/data/data/com.tencent.mm/MicroMsg/xxx/EnMicroMsg.db，其中，为一数字字母组成的字符串，因微信号不同而不同，EnMicroMsg.db就是我们的数据库文件了。

将此文件复制到共享文件夹中，这样在电脑的文档中即可看到。

（四）获取EnMicroMsg.db的密钥

微信对该数据库文件进行了加密，加密规则是：先对IMEI和UIN进行拼接，然后利用MD5算法对拼接后的字符串进行转换，转换后的前7位字符为密码。

由于我们使用的是模拟器，所以IMEI为：1234567890ABCDEF

UIN是微信的用户信息号，你可以在模拟器中的RE根据以下路径找到：/data/data/com.tencent.mm/shared_prefs，然后直接用RE打开其中的system_config_prefs.xml，找到其中name为default_uin的标签所对应的value的值，就是UIN。

至此，我们已经拿到了IMEI和UIN的信息，打开这个网站MD5散列计算器然后把你的IMEI和UIN输入进去（UIN我乱输的，你们就输入你们的UIN就好） ，如果你的UIN前面有“-”或者“+”一定要输进去！！！然后得到的散列值前7位即为密钥。

（五）使用SQLcipher解密

打开SQLcipher，然后右上角Open Database，然后选中EnMicroMsg.db文件。输入上面的七位密钥，即可打开。

（六）导出message

选中message，点击export，导出为csv。

打开之后，即可获得微信聊天记录了，可以把content的无效信息删除，然后粘贴进入txt文件，一定要保存为UTF8编码。

至此，我们就得到了一份完整的聊天记录了。后面就是使用python处理这些数据了。

二、根据聊天记录生成词云

照着下图，准备这几个文件：

• chat_records.txt (这里就是微信聊天记录)
• mywords.txt （自己创建空文件夹）
• picture.jpg （词云形状）
• run.py （下面有）
• stopwords.txt （需要过滤的字符串，可以点击从这里复制过去）
  

run.py

# coding: utf-8
import jieba
import re
import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud, ImageColorGenerator
from imageio import imread
 
def load_file_segment():
    # Load the text file and segment words
    jieba.load_userdict(r"E:\STUDY\word_cloud\mywords.txt")
    # Load our own dictionary
    with open(r"E:\STUDY\word_cloud\chat_records.txt",'r',encoding='utf-8') as f:
        # Open the file
        content = f.read()
        # Read the file content
 
    # Retain Chinese content
    content = re.sub(r'[^\u4e00-\u9fa5]', '', content)
 
    # cut word modle: https://zhuanlan.zhihu.com/p/611419520
    segs = jieba.cut(content, cut_all=False) 
    # Segment the whole text
    segment = [seg for seg in segs if 2 <= len(seg) <= 4 and seg != '\r\n']
    # Add results to list if the length of the segmented word is between 2-4, and is not a newline character
    return segment
 
def get_words_count_dict():
    segment = load_file_segment()
    # Get the segmented result
    df = pd.DataFrame({'segment':segment})
    # Convert segmented array to pandas DataFrame
    stopwords = pd.read_csv(r"E:\STUDY\word_cloud\stopwords.txt", index_col=False, quoting=3, sep="\t", names=['stopword'], encoding="utf-8")
    # Load stop words
    df = df[~df.segment.isin(stopwords.stopword)]
    # Exclude stop words
    words_count = df.groupby('segment')['segment'].size().reset_index(name='count')
    # Group by word, calculate the count of each word
    words_count = words_count.reset_index().sort_values(by="count",ascending=False)
    # Reset index to retain segment field and sort in descending order of count
    return words_count
 
words_count = get_words_count_dict()
# Get word count
 
bimg = imread(r'E:\STUDY\word_cloud\picture.jpg')
# Read the template image for word cloud generation
 
wordcloud = WordCloud(width=1080, 
                     height=1080,
                     background_color='white',
                     mask=bimg, 
                     font_path='simhei.ttf', 
                     max_words=200, 
                     scale=10
                     )
# Get WordCloud object, set the background color, image, font of the word cloud
 
# If your background color is transparent, replace above two lines with these two
# bimg = imread('ai.png')
# wordcloud = WordCloud(background_color=None, mode='RGBA', mask=bimg, font_path='simhei.ttf')
 
words = words_count.set_index("segment").to_dict()
# Convert words and frequencies to dictionary
wordcloud = wordcloud.fit_words(words["count"])
# Map the words and frequencies to the WordCloud object
bimgColors = ImageColorGenerator(bimg)
# Generate colors
plt.axis("off")
# Turn off the axes
plt.imshow(wordcloud.recolor(color_func=bimgColors))
# Apply colors
plt.show()

picture.jpg

启动run.py，有缺少的类库，使用下述命令安装：

xxxxxx为类库名称

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxxxxx

三、参考博客

• 【微信聊天记录制作词云】超详细保姆级教学！！！（详细步骤+代码）https://blog.csdn.net/m0_53943702/article/details/132018093

• Python——jieba优秀的中文分词库（基础知识+实例）https://blog.csdn.net/m0_63244368/article/details/126837925