微信聊天记录做成词云~

2023-05-16

最近快毕业了，所以想把微信聊天记录全部导出、做成词云、然后寄给好友，想想都很浪漫，哈哈。先上词云结果图（结果图拿《三国演义》做的，想啥呢，我才不会把我的聊天记录发到网上，哈哈），然后教大家如何不花钱（也不要C币）做出高清的聊天记录词云。（想花钱做的请下载“卓师兄”得到聊天记录，使用微词云得到高清词云图，大概200元就可以搞定）

我是个小白，在制作过程中遇到了很多坑，所以我会说很多，也许比较啰嗦，也算是希望大家别踩我的坑，哈哈。

步骤分为以下几个部分：1、微信应用数据备份。2、微信数据库解密。3、微信聊天记录提取和处理。4、词云制作。

1、微信应用数据备份。

微信数据备份网上教程很多（点我进入知乎的备份教程），我的手机型号是华为畅享8 Plus（FLA-AL10），因此只要你是华为手机，直接跟着我的教程走就完全没有问题。华为手机助手这个坑我踩过，别用，哈哈，还是自带的老版本备份软件最好！

（1）卸载本机的华为备份软件。新版本的备份软件不能备份微信应用数据，所以要卸载。如果你找不到“备份”图标，那就可以这样卸载：设置->应用和管理->应用管理->备份->卸载。

（2）下载并安装8.0版的华为备份软件。点我下载华为备份8.0。

（3）备份微信应用数据。照着下面图片的步骤就行，步骤6后面会提示设置密码，需要点击跳过。我的最终备份文件路径为“内部存储\Huawei\Backup\backupFiles\2020-05-29_10-54-12\com.tencent.mm.db"。

2、微信数据库解密。

看雪论坛的newx大神详细讲解过手机版和电脑版解密的方法（点我进入newx大神的主页），我几乎照搬他的教程，自己琢磨出了一套我的方法。

（1）微信备份数据库转为文件夹格式。使用楼月安卓手机备份文件提取器来把com.tencent.mm.db变为文件夹格式。（点我下载楼月软件）。为了方便借鉴我的教程，本教程所有文件全部放到D:\weiXinCiYun中。如下图，把第一节中的数据库文件放到D:\weiXinCiYun\com.tencent.mm.db，然后提取为D:\weiXinCiYun\data。

对了，楼月其实还有微信聊天记录导出恢复助手，但是收费100元，而且效果一般。

（2）获取IMEI。IMEI（International Mobile Equipment Identity）就是国际移动设备识别码，即通常所说的手机序列号，用来区分每部手机。如下图可以从华为手机的设置中得到IMEI，双卡的IMEI有两个，你需要看看自己用的是哪张。也可以通过记事本打开D:\weiXinCiYun\data\data\com.tencent.mm\MicroMsg\compatibleinfo.cfg，里面的乱码里有一串15位的数字，就是IMEI。如果上面俩办法还是不行，那您进入2-（3）来获取IMEI。

（3）获取UIN，计算出最终密码。UIN（User INformation）就是用户信息识别码，每个人的UIN不同。之前可以通过抓取网页版微信的数据得到，现在个人不能登录网页版微信了（反正我登陆不了，哈哈）。首先呢，数据库破解密码计算公式如下。如果你问我谁破解出了这个密码公式，我只能说：有内鬼，终止交易(ΩДΩ)

密码=前7位(MD5((IMEI+KEY) $密码=取前六位(MD5(IMEI + UIN))$ ))

下面我们来破解吧！下载一个Java的集成开发环境，比如我下载了IntelliJ IDEA（其实我不会java，但是我会照着百度新建工程、运行代码，哈哈）。将D:\weiXinCiYun\data\data\com.tencent.mm\MicroMsg下的两个文件“compatibleinfo.cfg”（存着IMEI信息）和“systeminfo.cfg”（存着UIN信息）放到java工程D:\weiXinCiYun\JavaPrj下。然后用Java的Hashmap解码，获取信息，MD5处理，取其前7位即可。java代码和操作流程如下：

package com.company;
import java.io.FileInputStream;             // 文件输入流
import java.io.FileNotFoundException;       // 文件未找到的异常处理
import java.io.IOException;                 // 输入输出异常处理
import java.io.ObjectInputStream;           // 输入流
import java.security.MessageDigest;         // 支持MD5算法
import java.util.HashMap;                   // 支持哈希算法
public class Main {
    // main函数
    public static void main(String[] args) {
        try {
            // 取手机的IMEI
            // 读入CompatibleInfo.cfg文件
            ObjectInputStream in = new ObjectInputStream(new FileInputStream("CompatibleInfo.cfg"));
            Object DL = in.readObject();
            // java的哈希转换
            HashMap hashWithOutFormat = (HashMap) DL;
            String s = String.valueOf(hashWithOutFormat.get(Integer.valueOf(258)));
            System.out.println("IMEI:"+s);

            // 获取微信UIN，与IMEI获取类似
            ObjectInputStream in1 = new ObjectInputStream(new FileInputStream("systemInfo.cfg"));
            Object DJ = in1.readObject();
            HashMap hashWithOutFormat1 = (HashMap) DJ;
            String t = String.valueOf(hashWithOutFormat1.get(Integer.valueOf(1)));
            System.out.println("uin:"+t);

            //合并到一个字符串，然后使用MD5算法，取其前6位
            s = s + t;
            s = encode(s); // MD5
            System.out.println("密码是 : " + s.substring(0, 7));
            in.close();
            in1.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    // MD5计算
    public static String encode(String content)
    {
        try {
            MessageDigest digest = MessageDigest.getInstance("MD5");
            digest.update(content.getBytes());
            return getEncode32(digest);
        }
        catch (Exception e)
        {
            e.printStackTrace();
        }
        return null;
    }

    // 十进制转十六进制
    private static String getEncode32(MessageDigest digest)
    {
        StringBuilder builder = new StringBuilder();
        for (byte b : digest.digest())
        {
            builder.append(Integer.toHexString((b >> 4) & 0xf));
            builder.append(Integer.toHexString(b & 0xf));
        }
        return builder.toString();

    }
}

（4）取出聊天记录。2-（3）里最后一张图的调试界面已经显示出了密码，我们下载一个数据库软件，用密码对数据库解密就行。一定要下载sqlcipher2版本，其它数据库软件不行，我试过，哈哈，点我下载sqlcipher2。D:\weiXinCiYun\data\data\com.tencent.mm\MicroMsg\c2f9b29c3178c858d04e3ac3382b7c33\enmicromsg.db这个数据库存放着微信的聊天记录，最后两级路径可能不同，但enmicromsg.db名称是固定的。用sqlcipher打开enmicromsg.db，将其中的message表输出为csv即可，最后把message.csv转为message.xlsx。具体操作如下图：

3、微信聊天记录提取和处理

将上节的message.xlsx放到D:\weiXinCiYun下面。然后打开，我来讲解一下该excel每列内容的含义。我这里复制了很多简书“唐九十九藏”大神的内容（点我看唐九十九藏的内容）。

1、msgId：Message Identity，消息标识，取值2,3,4,5...，用来区分每条消息，相当于消息的身份证。

2、msgSvrId：不知道啥意思，哈哈。

3、type：消息类型，1-文本，3-图片，34-语音，43-视频，47-微信外部成系列开发的表情包，49-做成微信格式的外部网页链接。10000-撤回消息，1048625-微信外部单独开发的表情包，285212721-微信公众号推送的自动消息，419430449-微信红包（未更新时会有类似提示）。

4、status：不知道啥意思，o(╥﹏╥)o

5、isSend：0-收到消息，1-发送消息。

6、isShowTimer：不知道啥意思，我的16万条消息里面，它都是空。

7、createTime：消息发送/收到的时间。这里用的是UNIX时间戳。

8、talker：WXID，即微信号码。

9、content：聊天记录。

10、imgPath：Image Path，微信图像、语音、视频等大文件的存储路径。

11、reserved：不知道啥意思，(ΩДΩ)

12、lvbuffer：几乎全是“{”，感觉没啥用。

13、transContent：不知道啥意思，我的16万条消息里面，它都是空。

14、transBrandWording：不知道啥意思，我的16万条消息里面，它都是空。

15、talkerId：微信好友的唯一号码，它相当于微信里的身份证号。

16、bizClientMsgId：如果变量非空，那么type就是285212721，status就是3，isSend就是3，content就是~SEMI_XML~，所以我猜应该是微信号推送消息的某种号码。

17、bizChatId：大部分值都是-1，微信运动相关行其值为空。估计没啥意义。

18、bizChatUserId：不知道啥意思，我的16万条消息里面，它都是空。

19、msgSeq：与msgId差一个常数，感觉很鸡肋，有时候还是空。

20、flag：msgSeq有值，则flag=0，msgSeq为空，则flag也为空。

将下面的Matlab代码放到D:\weiXinCiYun下运行，将代码第13行的yourID改为你想要微信联系人的talkerId就行。代码运行结果中user.contentText矩阵里的content那一列就是对应talkerId的用户的所有文字聊天记录（图片和网页之类的东西我剔除了），把content那一列复制下来，放到'李某某.txt'中。把具体代码和matlab界面如下：

% 选择是否从初始化，excel里导入数据
if(1)
    close all; clear; clc;
    fileName = 'message.xlsx';
    range = 'A1:T2';
    [num, txt, raw] = xlsread(fileName);    
end

% message为数据库聊天记录message表
yourName = '李某某';
myName = '王某某'
message = raw;
yourID = 193;

% user为your的单个结构体，下面的...Id存储某列值在message里的列数
ans = ['开始新建', yourName, '的user数据...']
yourFullName = yourName;                % 你的名字
myFullName = myName;                     % 我的名字
user.talkerId = yourID;                         % 用户编码：咱只需要本用户的数据，其余数据丢弃
user.typeIndex = 3;                              % 聊天记录类型的列数：1文字消息，其余全不要
user.isSendIndex = 5;                           % 发送类型的列数：0接收，1发送
user.creatTimeIndex = 7;                     % 发送时间的列数
user.contentIndex = 9;                         % 发送内容的列数
user.imgPathIndex = 10;                       % 图像路径的列数
user.talkerIdIndex = 15;                        % 对方的微信ID的列数
user.contentLengthIndex = 21;            % 内容发送内容长度的列数

% 选取某个人的聊天记录：将talkerId与对方相同的message留下，其余的抛弃
user.message = [];
sizeMessage = size(message);
for i = 1:sizeMessage(1)
    i
    if cell2mat(message(i, user.talkerIdIndex)) == user.talkerId
        user.message = [user.message; message(i, :)];
    end
end

% 删去聊天记录中的非文本信息
sizeUserMessage = size(user.message);
user.contentText = [];                   % 聊天记录里的文本
user.contentOther = [];                 % 聊天记录除了文本图片的其它
for i = 1:sizeUserMessage(1)
    i
    switch cell2mat(user.message(i, user.typeIndex))
        case 1          % 文本聊天记录
            % 尝试将聊天记录转为字符串类型
            try
                charTmp = char(user.message(i, user.contentIndex));
                catchState = 0;
            catch
                catchState = 1;
            end
            if ~catchState              % 聊天记录可以转为字符串
                % 正则表达式，提取出charTmp里的汉字，赋给hanZi
                hanZi = char(regexp(charTmp,'[^\x00-\xff]{1,}','match'));
                lengthHanZi = length(hanZi);
                lengthCharTmp = length(charTmp);
                % 如果单个聊天记录长度大于10，并且汉字数量少于总数量的一半，那么认为是系统的红包、语音、链接等无用信息，放入other里
                if (lengthCharTmp > 10) && (lengthHanZi < (lengthCharTmp / 2))
                    user.contentOther = [user.contentOther; user.message(i, :)];
                else
                    % 将有用数据保存，开辟新的最后一列，保存消息长度，以便后续查找最多消息的一天、查找最多消息等操作。
                    user.contentText = [user.contentText; user.message(i, :) lengthCharTmp];
                    % 将Unix时间改为Matlab时间
                    unixTime = user.contentText(end, user.creatTimeIndex); 
                    unixTime = unixTime{1};
                    matlabTime = datestr(UnixTime2MatlabTime(unixTime), 'yyyy-mm-dd HH:MM:SS');
                    user.contentText(end, user.creatTimeIndex) = cellstr(matlabTime);
                end
            else                               % 聊天记录不可以转为字符串
                user.contentOther = [user.contentOther; user.message(i, :)];
            end 
        otherwise     % type非1，则不是文本消息，放入other里
            user.contentOther = [user.contentOther; user.message(i, :)];
    end
end


ans = '运行结束'

4、词云制作

词云就是把一大篇文章里的词语摘出来，根据词语使用频率的高低，在图片里根据不同的大小来显示，非常直观，而且很浪漫。词云制作我几乎照搬bilibili up主同济子豪兄的内容，如果你有兴趣了解词云制作的细节，可以去看他的b站词云制作讲解视频（点我进入同济子豪兄的b站视频）

（1）安装相应的词云库和中文分词组件库。windows在PowerShell里运行下面的pip代码就行。跟词云关系最大的两个模块就是WordCloud和jieba。WordCloud是制作词云的库，小巧精悍，功能强大，1小时就可以了解完它的所有接口函数（点我进入WordCloud官网）。jieba是分析中文词语的库，接口函数很多，可以分析各种词性、短语等（点我进入jieba的github网站）。

pip install numpy matplotlib pillow wordcloud imageio jieba snownlp itchat -i https://pypi.tuna.tsinghua.edu.cn/simple

（2）下面到了激动人心的词云制作环节！上一节中，我们已经把某人的聊天记录全部放到“李某某.txt”里了，我已经把python代码给你弄好啦，你直接放到D:\weiXinCiYun跑就行，生成词云图片是5657×4000的，超级高清，刚好是A4纸的打印尺寸，可以彩印出来给同学看，哈哈，代码大约得运行2分钟。代码和结果如下（当然还是三国演义啦，我才不贴我的聊天记录）：

# 导入词云制作库wordcloud和中文分词库jieba
import jieba
import wordcloud

# 导入imageio库中的imread函数，并用这个函数读取本地图片，作为词云形状图片
import imageio

# 构建并配置词云对象w，注意要加scale参数，提高清晰度
w = wordcloud.WordCloud(width= 5657,
                        height=4000,
                        background_color='white',
                        font_path='msyh.ttc',
                        )

# 对来自外部文件的文本进行中文分词，得到string
f = open('李某某.txt',encoding='utf-8')
txt = f.read()
txtlist = jieba.lcut(txt)
string = " ".join(txtlist)

# 将string变量传入w的generate()方法，给词云输入文字
w.generate(string)

# 将词云图片导出到当前文件夹
w.to_file('李某某的词云.png')

5、作者的私货

其实微信聊天记录导出、python生成词云等东西在google里、百度里已经是玩烂的东西了，但google和百度里面竟然没有一篇完整的、详尽的教程，所以我才想做一篇，而且制作过程中自己也提高了很多，很有趣，哈哈。大家要遵纪守法、做一个好公民，微信聊天记录只许查看自己的呦~

本文的所有代码和步骤已经说得很明白了，上文也全部给出了。鉴于也许有些C币大佬愿意打赏我，或者懒得挨个下载，我把我的关于微信做词云的所有代码、工程、安装包等做成了一个压缩包，里面包含了所有东西，还夹带了一点点的matlab微信聊天记录处理函数（Unix时间、matlab时间、中文时间互相转换函数），如果你想一股脑地全部下载，想看看我的私货matlab代码的话，可以下载我的私货压缩包呦——(点我下载全部代码和资源和私货的压缩包！)。

我写完这篇文章是2020年6月1号，儿童节，希望大家保持童心，保持好奇。昨天ellon musk的spaceX公司发射了载人航天器"龙"号，它的二级火箭和载人航天器都可以回收，太牛逼了。“龙”号和国际空间站对接了，还送了2个NASA的航天员，厉害啊。真的希望我国的航天事业赶紧发展，有生之年看见我国翱翔于星辰大海。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)