Python 情人節(jié)告白特技：隱藏在聊天記錄里的珍貴禮物

• 

• 明天又雙叒叕是一年一度的戀愛節(jié)了！

• 又是一波絕好的機會！恩愛秀起來！

• 購物車清空！禮物送起來！朋友圈曬起來！

• 等等！什么？！

• 你還沒準備好禮物么？

• 但其實你不知道要送啥？

• 原來又雙叒叕要到

• 全民不知道送什么禮物的系列日子了…

• 
  

• 哎呦 你們這些

• 磨人的?。╨ao）妖（you）精（tiao）！

• Python倒是覺得你還可以搶救一下！

• 說到詞云應該不陌生，不知道的童靴往下看

• 詞云，就是把網(wǎng)絡文本中出現(xiàn)頻率較高的

• "關(guān)鍵詞"予以視覺上的突出

• 瀏覽者只要一眼掃過文本就可以領(lǐng)略其主旨 

• 
  

• 
  

• 瞧 這是不是一個有聲音、有畫面的小愛心~

• 今天 我們采集情侶們之間的聊天日常

• 用此制作一份只屬于你們的小浪漫！

• 
  

• ---

  
  

微信的備份功能并不能直接給你導出文本格式，它導出來其實是一種叫sqlite的數(shù)據(jù)庫。如果說用網(wǎng)上流傳的方法提取文本數(shù)據(jù)，iOS則需要下載itunes備份整機，安卓則需要本機的root權(quán)限，無論是哪種都非常麻煩，在這里給大家介紹一種不需要整機備份和本機root權(quán)限，只導出和對象的聊天數(shù)據(jù)的方法。

那就是使用安卓模擬器導出，這樣既能ios/安卓通用，又能夠避免對本機造成不良影響，首先需要用電腦版的微信備份你和你對象的聊天記錄。以windows系統(tǒng)為例：

1. 下載夜神模擬器

2. 在夜神模擬器中下載微信

3. 使用windows客戶端版的微信進行備份，如圖左下角

4. 點擊備份聊天記錄至電腦

5. 手機端選擇備份的對象

點擊進入下方的選擇聊天記錄，然后選擇和你對象的記錄

6. 導出完畢后打開模擬器，登錄模擬器的微信

7. 登錄成功后返回電腦版微信登錄，打開備份與恢復，選擇恢復聊天記錄到手機

選擇恢復記錄至手機

8. 勾選我們剛剛導出的聊天記錄，并在手機上點擊開始恢復

9. 打開夜神模擬器的root權(quán)限

10.   用模擬器的瀏覽器百度搜索RE文件管理器，下載（圖一）安裝后打開，會彈出對話框讓你給予root權(quán)限，選擇永久給予，打開RE文件管理器（圖二），進入以下文件夾（圖三）， 這是應用存放數(shù)據(jù)的地方。

/data/data/com.tencent.mm/MicroMsg

圖一

圖二

然后進入一個由數(shù)字和字母組合而成的文件夾，如上 圖三 的 

4262333387ddefc95fee35aa68003cc5

11. 找到該文件夾下的EnMicroMsg.db文件，將其復制到夜神模擬器的共享文件夾（圖四）。

共享文件夾的位置為 /mnt/shell/emulated/0/others ( 圖五 )。

現(xiàn)在訪問windows的 C:\Users\你的用戶名\Nox_share\OtherShare 獲取該數(shù)據(jù)庫文件( EnMicroMsg.db )。

圖四

圖五

12. 導出該數(shù)據(jù)庫后，使用一款叫 sqlcipher 的軟件讀取數(shù)據(jù)
（鏈接: https://pan.baidu.com/s/1Im3n02yseo-4IxeDY9srqQ 提取碼: ka4z）

在這之前，我們還需要知道該數(shù)據(jù)庫的密碼，根據(jù)前人的經(jīng)驗，該密碼的公式如下

字符串 IMEI （手機序列號） UIN（用戶信息號）

將該字符串進行MD5計算后的前七位便是該數(shù)據(jù)庫的密碼

如 "355757010761231 857456862" 實際上中間沒有空格，然后放入MD5計算取前面七位數(shù)字，后續(xù)會詳細介紹

哇，真是“簡單易懂”啊，沒關(guān)系，接下來告訴大家IMEI和UIN怎么獲得。

首先是IMEI，在模擬器右上角的系統(tǒng)設(shè)置 —— 屬性設(shè)置里就可以找得到啦，如圖所示。

現(xiàn)在我們獲得了IMEI號，那UIN號呢？

同樣地，用RE文件管理器打開這個文件

/data/data/com.tencent.mm/shared_prefs/system_config_prefs.xml

長按改文件，點擊右上角的三個點—選擇打開方式—文本瀏覽器，找到default_uin，后面的數(shù)字就是了 ！

得到這兩串數(shù)字后，就可以開始計算密碼啦，如果我的IMEI是355757010762041，Uin是857749862，那么合起來就是355757010762041857749862，將這串數(shù)字放入免費MD5在線計算:
https://md5calculator.chromefans.org/?langid=zh-cn

得到的數(shù)字的前七位就是我們的密碼了，像這一串就是 6782538.

如果uin是負的話，可以試試uin拼接手機IMEI碼(就是和正的相反，進行拼接)，取MD5的32位小寫密文前7個字符。再不行就重裝模擬器。

然后我們就可以進入我們的核心環(huán)節(jié)：使用 sqlcipher 導出聊天文本數(shù)據(jù)！

sqlcipher

點擊 File - open database - 選擇我們剛剛的數(shù)據(jù)庫文件，會彈出框框讓你輸入密碼，我們輸入剛剛得到的七位密碼，就可以進入到數(shù)據(jù)庫了，選擇message表格，這就是你與你的對象的聊天記錄！

我們可以將它導出成csv文件：File - export - table as csv.

接下來，我們將使用Python代碼，將里面真正的聊天內(nèi)容：content信息提取出來，如下所示。雖然這個軟件也允許select，但是它select后不允許導出，非常不好用，因此還不如我們自己寫一個：

將該文件命名為extract.py，windows打開CMD / macOS系統(tǒng)打開Terminal  進入到該文件夾下，執(zhí)行命令：

python extract.py

記得把生成csv文件的編碼格式轉(zhuǎn)換成utf-8哦，不然可能會運行不下去：

用記事本打開—文件—另存為—編碼改為UTF-8即可

當然你還可以用正則表達式去除以下內(nèi)容

• 微信發(fā)送的數(shù)據(jù)：wxid.*

• 表情：\[.*\]

不過我覺得這些也是必要的聊天信息之一，留著也無妨，因此在這里就不加入進去啦，有需要的同學可以百度搜索python 正則表達式，學習正則表達式的使用。

最后得到的文本格式就是一行一句聊天內(nèi)容，處理后我們就準備好進入下一個環(huán)節(jié)了！那就是令人激動的！生成詞云??！

1. 導入我們的聊天記錄，并對每一行進行分詞

聊天記錄是一行一行的句子，我們需要使用分詞工具把這一行行句子分解成由詞語組成的數(shù)組，這時候我們就需要用到結(jié)巴分詞了。

分詞后我們還需要去除詞語里一些語氣詞、標點符號等等（停用詞），然后還要自定義一些詞典，比如說你們之間恩恩愛愛的話，一般結(jié)巴分詞是無法識別出來的，需要你自行定義，比如說：小傻瓜別感冒了，一般分詞結(jié)果是：

小/傻瓜/別/感冒/了

如果你把“小傻瓜”加入到自定義詞典里（我們下面的例子里是mywords.txt），則分詞結(jié)果則會是：

小傻瓜/別/感冒/了

下面對我們的聊天記錄進行分詞：

在這個函數(shù)里，我們使用了codecs打開我們的聊天記錄文件，然后進行結(jié)巴分詞，最終返回一個包含所有詞語的數(shù)組。記得運行前要安裝jieba分詞包，默認你已經(jīng)安裝了python3，如果沒有請查閱這個文檔：

https://www.liaoxuefeng.com/wiki/1016959663602400/1016959856222624

windows打開CMD / macOS系統(tǒng)打開Terminal 輸入：

pip install jieba

安裝完成后，在編輯器中輸入我們剛剛的python代碼，我將其命名為segment.py，切記在同個目錄下放置 聊天記錄.txt 及 自定義詞表 mywords.txt, 然后在CMD/Terminal中輸入命令運行：

python segment.py

你就可以看見你們的聊天記錄分詞后的效果啦

2. 計算分詞后的詞語對應的頻數(shù)

為了方便計算，我們需要引入一個叫pandas的包，然后為了計算每個詞的個數(shù)，我們還要引入一個叫numpy的包，cmd/terminal中輸入以下命令安裝pandas和numpy：

pip install pandas==0.25.1
pip install numpy

詳細的解析我都寫在下方的注釋里啦，大家可以自行閱讀并實踐。不過需要注意的是，里面的load_file_segment()是我們第一步里的函數(shù)，如果你不知道如何把這兩個步驟合在一起，沒關(guān)系，最后我們會提供一份完整的代碼.

同第一步一樣，運行這份代碼你就可以看到每個詞語及其對應的頻數(shù)。需要注意的是，這里有個加載停用詞的操作，你需要把停用詞表放在當前文件夾下，這里提供一份停用詞表下載

stopwords.txt: https://pythondict.com/wp-content/uploads/2019/08/2019080607572893.txt

終于到了最后一部分啦！你是不是開心而又滿懷激動的心情呢（滑稽，在這一步開始之前，我們需要先安裝需要使用的包，我們需要用到的包有：

pip install matplot
pip install scipy==1.2.1
pip install wordcloud

打開CMD/Terminal 輸入以上命令即可安裝，加上之前兩個步驟的包，有：

pip install jieba
pip install codecs
pip install pandas==0.25.1
pip install numpy

如果你在安裝這些包的時候出現(xiàn)了什么問題，請記得在我們下方評論區(qū)提出，我們會一一解答的哦。

運行目錄的文件結(jié)構(gòu)如下：

• 聊天記錄.txt

• mywords.txt（如果你沒有自定義的詞的話可以為空）

• stopwords.txt

• wordCloud.py

• semhei.tff

• ai.jpg （可以為任意的圖片，你喜歡就行）

完整代碼，wordCloud.py 如下，附有詳細的解析：

值得注意的是這里面的bimg和wordcloud對象的生成，我們知道png格式背景一般是透明的，因此如果你的圖像是png格式的話，其生成詞云的時候背景色應該設(shè)為None，然后mode應該設(shè)為RGBA。

我們還可以控制詞云字體的大小和數(shù)目的多少，使用下面這兩個參數(shù)：

max_font_size=60, max_words=3000

調(diào)用方式如下所示：

wordcloud = WordCloud(background_color='white', mask=bimg, max_font_size=x, max_words=y, font_path='simhei.ttf')

運行前，確保安裝了所有的包，并且當前目錄下有我們所需要的所有文件哦

下面就可以用我們的聊天記錄,畫心型詞云啦?。。。?/span>

CMD/Terminal 進入代碼所在文件夾，運行：python wordcloud.py

得到的圖像如下：