微信聊天记录分析，Python 之 WorldCloud

目标：

1. 导出微信的好友聊天记录
2. 简单处理聊天记录
3. 使用 WorldCloud 词云生成一张漂亮的词频图片

步骤：

1. iPhone 连接 Mac，打开 iTunes，选择备份，备份到本电脑，切记不可勾选给 iPhone 备份加密，因为加密后就打不开了。
2. 找到备份文件。借助 iPhone Backup Extractor 这款工具来找到微信聊天数据库。(免费版依然可以实现找到数据库) 找到刚才的的 iPhone 备份，然后点击 Expert Mode，登上一会，目录就展开了，Applications/com.tencent.xin/Doucuments/{md5(你的微信号)}/DB/MM.sqlite 这个，就是聊天记录数据库。
3. 选中 MM.sqlite,点击 Extract selected ,然后等待十秒后点击 continue，即可导出数据库。
4. MM.sqlite 使用 DB Browser for SQLite 来打开。
5. 其中 Chat_{md5(好友的微信号)} 即是你和某位好友的聊天记录了。其中 Message 字段，便是聊天记录了。
6. 执行 sql 语句，查找了下和女友的聊天记录，有将近15000条记录，导出csv文件
7. 聊天记录里面表情太多了,在 sublime 中打开使用正则匹配全部，<msg>(.|\n)*?</msg>,然后删除。然后就是其他各种匹配，剔除无用的符号。
8. 将聊天记录保存为 txt 文件。
9. 使用 WorldCloud 生成图片。针对中文，必须自己指定中文字体才可以，否则生成的图片会乱码。
   
   Python

   # -*- encoding: utf-8 -*- # 词云 from wordcloud import WordCloud from matplotlib.image import imread import matplotlib.pyplot as plt filename = "wechat.txt" with open(filename, encoding='UTF-8') as f: mytext = f.read() # print(mytext) mask_color_path = "bg.jpg" # 设置背景图片路径 font_path = '/Library/Fonts/测试.ttf' # 为matplotlib设置中文字体路径没;路径需要改成你本地的字体路径,若是全英文,也可不设字体路径 imgname1 = "en_WordCloud_DefautColors.png" # 保存的图片名字1(只按照背景图片形状) imgname2 = "en_WordCloud_ColorsByImg.png" # 保存的图片名字2(颜色按照背景图片颜色布局生成) width = 1000 height = 860 margin = 2 # 设置背景图片 mask_coloring = imread(mask_color_path) wc = WordCloud(font_path=font_path, background_color="white", # 背景颜色 max_words=200, # 词云显示的最大词数 mask=mask_coloring, # 设置背景图片 max_font_size=200, # 字体最大值 # random_state=42, width=width, height=height, margin=margin, ) wc.generate(mytext) plt.figure() # 以下代码显示图片 # 绘制词云 plt.imshow(wc) plt.axis("off") plt.show() # 保存图片 wc.to_file(imgname1)

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44

   # -*- encoding: utf-8 -*-   # 词云   from wordcloud import WordCloud from matplotlib.image import imread import matplotlib.pyplot as plt   filename = "wechat.txt"   with open(filename, encoding='UTF-8') as f:     mytext = f.read()   # print(mytext)   mask_color_path = "bg.jpg"  # 设置背景图片路径 font_path = '/Library/Fonts/测试.ttf'  # 为matplotlib设置中文字体路径没;路径需要改成你本地的字体路径,若是全英文,也可不设字体路径 imgname1 = "en_WordCloud_DefautColors.png"  # 保存的图片名字1(只按照背景图片形状) imgname2 = "en_WordCloud_ColorsByImg.png"  # 保存的图片名字2(颜色按照背景图片颜色布局生成) width = 1000 height = 860 margin = 2   # 设置背景图片 mask_coloring = imread(mask_color_path) wc = WordCloud(font_path=font_path,                background_color="white",  # 背景颜色                max_words=200,  # 词云显示的最大词数                mask=mask_coloring,  # 设置背景图片                max_font_size=200,  # 字体最大值                # random_state=42,                width=width, height=height, margin=margin,                ) wc.generate(mytext)   plt.figure() # 以下代码显示图片 # 绘制词云 plt.imshow(wc) plt.axis("off") plt.show()   # 保存图片 wc.to_file(imgname1)

   
    

效果图：发现太喜欢发表情了，其中的表情被解析为文字，叠词部分大都是表情，?

参考文章：

1. https://github.com/Unknwon/wuwen.org/issues/15
2. https://daily.zhihu.com/story/8807166