用python看看自己和女票都聊了些什么事
最终效果图：
一、导出微信聊天文件
写2种导出聊天记录的方法：一种是Mac版微信，另一种是iOS版微信。
1.导出Mac版微信聊天记录
Mac版微信在本地存放了聊天记录的数据库，数据库使用的是开源的 sqlcipher加密了里面的数据。在终端输入下面命令，可以查看这些数据库的路径。
ls -alh ~/Library/Containers/com.tencent.xinWeChat/Data/Library/Application\ Support/com.tencent.xinWeChat/*/*/Message/*.db
利用lldb可以解密这些数据库方法如下：
打开微信
命令行运行lldb -p $(pgrep WeChat)
在 lldb 中输入br set -n sqlite3_key， 回车
还是在 lldb 中，输入 c, 回车
扫码登录微信
这时候回到 lldb 界面, 输入memory read --size 1 --format x --count 32 $rsi, 回车
应该会输出类似于如下的数据
0x6000009736e0: 0x05 0x41 0x59 0x3d 0xc6 0xe5 0x47 0x730x6000009736e8: 0x84 0x1e 0xb3 0xa9 0xd9 0x29 0x77 0x310x6000009736f0: 0x58 0xc0 0x1a 0x6c 0x66 0xaf 0x43 0x4c0x6000009736f8: 0xac 0x1f 0x6f 0x03 0x9b 0x7e 0xc1 0xfa
把数据从左到右，从上到下，把形如 0xab 0xcd 的数据拼起来，然后去掉所有的 "0x"和空格、换行, 得到 64 个字符的字符串，例如0541593dc6e54773841eb3a9d929773158c01a6c66af434cac1f6f039b7ec1fa,这就是 微信数据库的 key.
然后, 可以下载个 ，用来浏览之前提到的*.db 文件（每个 db 都使用的相同的 key ）,注意：打开数据库的时候选择(raw key),然后输入 0x,再输入刚才那 64 个字符
打开后如下：
然后找到与女票的那个表单，导出聊天内容为csv文件
2.导出iOS手机微信聊天记录
手机上数据库是加密的，但是手机备份出来的却是明文的数据，所以我们直接用最简单的，从备份拿数据，我这里用爱思助手搞了。
打开爱思助手然后点击 工具箱->备份/恢复数据->选择全备份，然后等几分钟备份完成，打开全备份文件管理。
点击立即查看列表有一个AppDomain-com.tencent.xin的文件夹 ，进入之后爱思能直接查看微信聊天记录
4.选择聊天记录导出就可以了。
二、Python + jieba + wordcloud
聊天记录有了，就可以分词生成词云了，直接上代码
import csv, jieba, refrom itertools import isliceimport pandas as pdimport imageioimport matplotlib.pyplot as pltfrom wordcloud import WordCloud, ImageColorGenerator, wordcloud# 从导出的csv格式聊天记录中提取中文存入txt文件中def csv_to_txt():chat_csv = open("wechatliaotian.csv","r",encoding="utf-8") #chatlog.csv 改成自己的聊天记录文件名my_chat = csv.reader(chat_csv)fp = open("newChat.txt", "w+", encoding="utf-8")for line in islice(my_chat, 1, None):if re.search("[\u4e00-\u9fa5]", line[0]) and len(line[0]) < 50:fp.write(line[0])fp.write("\n")fp.close()# 处理txt文件def txt_to_format():fp = open("chat.txt", "r", encoding="utf-8")newFp = open("newChat.txt", "w", encoding="utf-8")for line in fp.readlines():curLine=line.strip().split(" ")if(len(curLine) == 4):newFp.write(curLine[3] + "\n")fp.close()newFp.close()# 对聊天记录文件进行分词def cut_words():# 把聊天内容读取给contentfp = open("newChat.txt", "r", encoding="utf-8")content = fp.read()fp.close()jieba.load_userdict("dict.txt") # 载入自定义词典（格式：一个词占一行；每行分为：词语、词频（可省略）、词性（可省略），用空格隔开）words = jieba.cut(content, cut_all=True) # 进行分词，模式：精确模式word_L = [] # 把分词结果存入word_L中# 加载停用词with open("stopwords.txt", 'r', encoding="utf-8") as ss:stopwords = ss.read()# 把符合的词语存入word_L中for word in words:if word not in stopwords and word != '\n' and len(word) > 1:word_L.append(word)return word_L# 生成词云def word_cloud(words):# 对分词结果进行频率统计再转换成字典count_word_df = pd.DataFrame({"word":words}).groupby(["word"]).size()count_word_dt = count_word_df.to_dict()mk = imageio.imread('my_pic.jpg') # 设置词云形状mk_color = ImageColorGenerator(mk) # 设置词云颜色# 配置词云参数wx_wc = WordCloud(background_color="white", # 如果是透明背景，设置background_color=Nonemode="RGB", # 如果是透明背景，设置mode="RGBA"mask=mk, # 词云形状font_path="/System/Library/Fonts/Songti.ttc", # 字体可以更改为自己喜欢的字体# scale=3, # 如果输出图片大小不满意，则修改此值)wx_wc = wx_wc.generate_from_frequencies(count_word_dt) # 把带频率的分词结果导入词云wx_wc.to_file("wordcloud.png") # 输出词云图片，未设置颜色# plt输出图片plt.axis("off") # 关闭坐标轴plt.imshow(wx_wc.recolor(color_func=mk_color)) # 设置颜色plt.savefig('pltwordcloud.png', dpi=400) # 输出词云图片，以原图片为背景色def run():# csv_to_txt()txt_to_format()words = cut_words()word_cloud(words)#if __name__ == "__main__":# txt_to_format()run()
如果是导出的csv文件就执行csv_to_txt()方法。是爱思助手导出的txt文件就调用txt_to_format()方法。
三、demo地址
demo地址:
bd云盘：/s/1Wp7bxyxjOyITa38coX9TYw
密码:9bwv
如有帮助，关注，点赞，收藏来一套，有问题可留言解决。
@end
