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）
brew install sqlcipher

# 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

import sqlite3

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。

def execute(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:
        if param is None:
            self.cursor.execute(sql)
        else:
            if type(param) is list:
                self.cursor.executemany(sql, param)
            else:
                self.cursor.execute(sql, param)
            count = self.db.total_changes
            self.db.commit()
    except Exception as e:
        print(e)
        return False, e

    # 返回结果
    return True if count > 0 else False

def query(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
    """
    if param is None:
        self.cursor.execute(sql)
    else:
        self.cursor.execute(sql, param)

    # 返回查询的结果
    return self.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('select username from rcontact where nickname=?;', (self.chatroom_name,))

    # 群聊id
    chatroom_id = res[0][0]

    return chatroom_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 = "SELECT content FROM message WHERE talker='{}' and isSend=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
for item in result:
    # 过滤数据
    if not item or not item[0] or item[0].find('xml') != -1 or item[0].find('sysmsg') != -1 or item[0].find(
                    '<msg>') != -1 or item[0].find('chatroom') != -1 or item[0].find('weixinhongbao') != -1:
         continue
    # 过滤掉自己发送的内容，不包含：
    temps = item[0].split(':')
    if len(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
    if len(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。

def generate_wordcloud(self, word):
    """
    生成词云
    :param word:
    :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(
            "CREATE TABLE IF NOT EXISTS top(uid integer primary key,name varchar(200),msg varchar(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 = []

for item in result:
    # 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("insert into top(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

def get_top_partner(self):
    """
    排名前15的成员
    :return:
    """
    sql = "SELECT name as 姓名,COUNT(*) as times FROM top GROUP BY name ORDER BY times DESC limit %d;" % self.top_num
    result = self.db.query(sql)

    for item in result:
        # 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。

def draw_image(self):
    """
    数据可视化
    :return:
    """
    usernames = []
    counts = []
    for user in self.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'))

    def bar_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))
            )
            return c

    # 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。

已经将全部源码上传：https://github.com/xingag/spider_python/tree/master/%E5%BE%AE%E4%BF%A1%E8%81%8A%E5%A4%A9%E8%AE%B0%E5%BD%95。