Python 情人节告白特技：隐藏在聊天记录里的珍贵礼物

• 

• 今天又双叒叕是一年一度的恋爱节了！

• 又是一波绝好的机会！恩爱秀起来！

• 购物车清空！礼物送起来！朋友圈晒起来！

• 等等！什么？！

• 你还没准备好礼物么？

• 但其实你不知道要送啥？

• 原来又双叒叕要到

• 全民不知道送什么礼物的系列日子了…

• 哎呦 你们这些

• 磨人的小（lao）妖（you）精（tiao）！

• Python倒是觉得你还可以抢救一下！

• 说到词云应该不陌生，不知道的童靴往下看

• 词云，就是把网络文本中出现频率较高的

• "关键词"予以视觉上的突出

• 浏览者只要一眼扫过文本就可以领略其主旨 

• 瞧 这是不是一个有声音、有画面的小爱心~

• 今天 我们采集情侣们之间的聊天日常

• 用此制作一份只属于你们的小浪漫！

• ---

一、导出自己和对象的数据~

微信的备份功能并不能直接给你导出文本格式，它导出来其实是一种叫sqlite的数据库。如果说用网上流传的方法提取文本数据，iOS则需要下载itunes备份整机，安卓则需要本机的root权限，无论是哪种都非常麻烦，在这里给大家介绍一种不需要整机备份和本机root权限，只导出和对象的聊天数据的方法。

那就是使用安卓模拟器导出，这样既能ios/安卓通用，又能够避免对本机造成不良影响，首先需要用电脑版的微信备份你和你对象的聊天记录。以windows系统为例：

1. 下载夜神模拟器

2. 在夜神模拟器中下载微信

3. 使用windows客户端版的微信进行备份，如图左下角

4. 点击备份聊天记录至电脑

5. 手机端选择备份的对象

点击进入下方的选择聊天记录，然后选择和你对象的记录

6. 导出完毕后打开模拟器，登录模拟器的微信

7. 登录成功后返回电脑版微信登录，打开备份与恢复，选择恢复聊天记录到手机

选择恢复记录至手机

8. 勾选我们刚刚导出的聊天记录，并在手机上点击开始恢复

9. 打开夜神模拟器的root权限

10.   用模拟器的浏览器百度搜索RE文件管理器，下载（图一）安装后打开，会弹出对话框让你给予root权限，选择永久给予，打开RE文件管理器（图二），进入以下文件夹（图三）， 这是应用存放数据的地方。

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

图一

图二

然后进入一个由数字和字母组合而成的文件夹，如上 图三 的 

4262333387ddefc95fee35aa68003cc5

11. 找到该文件夹下的EnMicroMsg.db文件，将其复制到夜神模拟器的共享文件夹（图四）。

共享文件夹的位置为 /mnt/shell/emulated/0/others ( 图五 )。

现在访问windows的 C:\Users\你的用户名\Nox_share\OtherShare 获取该数据库文件( EnMicroMsg.db )。

图四

图五

12. 导出该数据库后，使用一款叫 sqlcipher 的软件读取数据
（链接: https://pan.baidu.com/s/1Im3n02yseo-4IxeDY9srqQ 提取码: ka4z）

在这之前，我们还需要知道该数据库的密码，根据前人的经验，该密码的公式如下

字符串 IMEI （手机序列号） UIN（用户信息号）

将该字符串进行MD5计算后的前七位便是该数据库的密码

如 "355757010761231 857456862" 实际上中间没有空格，然后放入MD5计算取前面七位数字，后续会详细介绍

哇，真是“简单易懂”啊，没关系，接下来告诉大家IMEI和UIN怎么获得。

首先是IMEI，在模拟器右上角的系统设置 —— 属性设置里就可以找得到啦，如图所示。

现在我们获得了IMEI号，那UIN号呢？

同样地，用RE文件管理器打开这个文件

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

长按改文件，点击右上角的三个点—选择打开方式—文本浏览器，找到default_uin，后面的数字就是了 ！

得到这两串数字后，就可以开始计算密码啦，如果我的IMEI是355757010762041，Uin是857749862，那么合起来就是355757010762041857749862，将这串数字放入免费MD5在线计算:
https://md5calculator.chromefans.org/?langid=zh-cn

得到的数字的前七位就是我们的密码了，像这一串就是 6782538.

如果uin是负的话，可以试试uin拼接手机IMEI码(就是和正的相反，进行拼接)，取MD5的32位小写密文前7个字符。再不行就重装模拟器。

然后我们就可以进入我们的核心环节：使用 sqlcipher 导出聊天文本数据！

sqlcipher

点击 File - open database - 选择我们刚刚的数据库文件，会弹出框框让你输入密码，我们输入刚刚得到的七位密码，就可以进入到数据库了，选择message表格，这就是你与你的对象的聊天记录！

我们可以将它导出成csv文件：File - export - table as csv.

接下来，我们将使用Python代码，将里面真正的聊天内容：content信息提取出来，如下所示。虽然这个软件也允许select，但是它select后不允许导出，非常不好用，因此还不如我们自己写一个：

将该文件命名为extract.py，windows打开CMD / macOS系统打开Terminal  进入到该文件夹下，执行命令：

python extract.py

记得把生成csv文件的编码格式转换成utf-8哦，不然可能会运行不下去：

用记事本打开—文件—另存为—编码改为UTF-8即可

当然你还可以用正则表达式去除以下内容

• 微信发送的数据：wxid.*

• 表情：

  $$.*$$

不过我觉得这些也是必要的聊天信息之一，留着也无妨，因此在这里就不加入进去啦，有需要的同学可以百度搜索python 正则表达式，学习正则表达式的使用。

最后得到的文本格式就是一行一句聊天内容，处理后我们就准备好进入下一个环节了！那就是令人激动的！生成词云！！

二、根据第一步得到的聊天数据生成词云

1. 导入我们的聊天记录，并对每一行进行分词

聊天记录是一行一行的句子，我们需要使用分词工具把这一行行句子分解成由词语组成的数组，这时候我们就需要用到结巴分词了。

分词后我们还需要去除词语里一些语气词、标点符号等等（停用词），然后还要自定义一些词典，比如说你们之间恩恩爱爱的话，一般结巴分词是无法识别出来的，需要你自行定义，比如说：小傻瓜别感冒了，一般分词结果是：

小/傻瓜/别/感冒/了

如果你把“小傻瓜”加入到自定义词典里（我们下面的例子里是mywords.txt），则分词结果则会是：

小傻瓜/别/感冒/了

下面对我们的聊天记录进行分词：

在这个函数里，我们使用了codecs打开我们的聊天记录文件，然后进行结巴分词，最终返回一个包含所有词语的数组。记得运行前要安装jieba分词包，默认你已经安装了python3，如果没有请查阅这个文档：

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

windows打开CMD / macOS系统打开Terminal 输入：

pip install jieba

安装完成后，在编辑器中输入我们刚刚的python代码，我将其命名为segment.py，切记在同个目录下放置 聊天记录.txt 及 自定义词表 mywords.txt, 然后在CMD/Terminal中输入命令运行：

python segment.py

你就可以看见你们的聊天记录分词后的效果啦

2. 计算分词后的词语对应的频数

为了方便计算，我们需要引入一个叫pandas的包，然后为了计算每个词的个数，我们还要引入一个叫numpy的包，cmd/terminal中输入以下命令安装pandas和numpy：

pip install pandas==0.25.1
pip install numpy

详细的解析我都写在下方的注释里啦，大家可以自行阅读并实践。不过需要注意的是，里面的load_file_segment()是我们第一步里的函数，如果你不知道如何把这两个步骤合在一起，没关系，最后我们会提供一份完整的代码.

同第一步一样，运行这份代码你就可以看到每个词语及其对应的频数。需要注意的是，这里有个加载停用词的操作，你需要把停用词表放在当前文件夹下，这里提供一份停用词表下载

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

3. 生成词云

终于到了最后一部分啦！你是不是开心而又满怀激动的心情呢（滑稽，在这一步开始之前，我们需要先安装需要使用的包，我们需要用到的包有：

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

打开CMD/Terminal 输入以上命令即可安装，加上之前两个步骤的包，有：

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

如果你在安装这些包的时候出现了什么问题，请记得在我们下方评论区提出，我们会一一解答的哦。

运行目录的文件结构如下：

• 聊天记录.txt

• mywords.txt（如果你没有自定义的词的话可以为空）

• stopwords.txt

• wordCloud.py

• semhei.tff

• ai.jpg （可以为任意的图片，你喜欢就行）

完整代码，wordCloud.py 如下，附有详细的解析：

点击下方阅读原文可以获得文字版的完整代码！在公众号后台回复 情人节礼物 可以直接下载包括代码、图片、字体的完整资源。

值得注意的是这里面的bimg和wordcloud对象的生成，我们知道png格式背景一般是透明的，因此如果你的图像是png格式的话，其生成词云的时候背景色应该设为None，然后mode应该设为RGBA。

我们还可以控制词云字体的大小和数目的多少，使用下面这两个参数：

max_font_size=60, max_words=3000

调用方式如下所示：

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

运行前，确保安装了所有的包，并且当前目录下有我们所需要的所有文件哦

下面就可以用我们的聊天记录,画心型词云啦！！！：

CMD/Terminal 进入代码所在文件夹，运行：python wordcloud.py

得到的图像如下：

怎么样，是不是很好看，如果你想要这些图片的原图做一个属于自己的词云的话，请访问python实用宝典的官网，点击下方阅读原文直达！还有源代码等着你哦！在公众号后台回复 情人节礼物 也可以直接下载包括代码、图片、字体的完整资源。最后，祝大家有情人众人眷属！

如果你喜欢今天的Python 教程，请持续关注Python实用宝典，如果对你有帮助，麻烦在下面点一个赞/在看，有任何问题都可以在下方留言，我们会耐心解答的！

点击下方阅读原文可以获取所有代码和链接哦！

Python实用宝典 (pythondict.com)

不只是一个宝典

欢迎关注公众号：Python实用宝典