微信聊天記錄導出(2020新版)

首先說明，坑的部分主要是數據庫破解。

項目地址：https://github.com/fly-dragon211/Wechat-message-analysis

1. 本地備份提取聊天記錄

這里主要講小米手機，蘋果手機參考https://www.zhihu.com/question/66251440，其他安卓手機可以用模擬器然后root提取。

要導出微信安卓客戶端的聊天記錄，首先得找到聊天記錄的數據庫。
安卓客戶端的聊天記錄儲存在私有目錄 /data/data/com.tencent.mm/MicroMsg 下，這個目錄需要root權限才能進去，但是，那樣太太太麻煩了，好在我們MI6有本地備份的功能，利用這個功能。我們輕而易舉就可以獲得數據庫。

需要的工具

此處下載

首先到手機:設置->更多設置->備份和重置->本地備份 里面點擊新建備份，選擇軟件程序中的微信進行備份，注意只選擇微信。

然后到文件管理 /內部儲存設備/MIUI/backup/ALLBackup/ 下將備份的文件夾復制到電腦

然后用任意一種壓縮包軟件（我用的是7zip）打開這個com.tencent.mm.bak文件，并且將apps\com.tencent.mm\r\MicroMsg\systemInfo.cfg、apps\com.tencent.mm\r\MicroMsg\CompatibleInfo.cfg和apps\com.tencent.mm\r\MicroMsg\xxxx\EnMicroMsg.db三個文件解壓到電腦上。這里xxxx是一串隨機的字母，代表你的微信用戶，每個人不一樣，一般是最大的那個文件夾，我這里是下圖所示文件夾：

2. 破解數據庫密碼

找到聊天數據庫了，但是目前還不能得到聊天記錄，因為這個數據庫是sqlcipher加密數據庫，需要密碼才能打開。

數據庫密碼有很多種生成方式：

手機IMEI+uin(微信用戶id userinformation) 將拼接的字符串MD5加密取前7位

如IMEI為123456，uin為abc，則拼接后的字符串為123456abc 將此字符串用MD5加密(32位)后

為df10ef8509dc176d733d59549e7dbfaf 那么前7位df10ef8 就是數據庫的密碼，由于有的手機是雙卡，有多個IMEI，或者當手機獲取不到IMEI時會用默認字符串1234567890ABCDEF來代替，由于種種原因，并不是所有人都能得出正確的密碼，此時我們可以換一種方法。

反序列化CompatibleInfo.cfg和systemInfo.cfg

不管是否有多個IMEI ，或者是微信客戶端沒有獲取到IMEI，而使用默認字符串代替，微信客戶端都會將使用的信息保存在MicroMsg文件夾下面的CompatibleInfo.cfg和systemInfo.cfg文件中，可以通過這兩個文件來得到正確的密碼，但是這兩個文件需要處理才能看到信息。

使用hook方式得到數據庫的密碼，這個方法最有效參考

暴力破解

我開始用反序列化：

javac IMEI.java java IMEI systemInfo.cfg CompatibleInfo.cfg

運行完成后就會得到密碼
參考鏈接

但是出現了如下錯誤：

錯誤: 找不到或無法加載主類 IMEI 原因: java.lang.ClassNotFoundException: IMEI

于是我換了第一種方法，可是找不到uid

尋找uid

uid不是微信號，原來是保存在下面路徑：

/data/data/com.tencent.mm/shared_prefs/auth_info_key_prefs.xml，

在該文件中，鍵值“auth_uin”即為該用戶的uin。

但是我發現根本沒有這個路徑，可能是我的手機沒有root，于是我把備份的文件解壓，在里面搜索這個，終于找到了。

最終確定uid，然后MD5（IMEI少一位+uin）的輸出字符串作為密碼，取前7位小寫，就可以破解數據庫了。

得到數據庫之后可以分析一下你的聊天記錄，順便制作一個詞云來給你的心上人看一下你們都聊了啥👀

參考：

https://zhuanlan.zhihu.com/p/77418711

https://github.com/Heyxk/notes/issues/1

https://www.sohu.com/a/355273307_704736

數據分析

下面就是最關鍵的數據分析。聊天記錄包含了非常豐富的數據，這里我只做了兩個比較簡單的例子，一個是針對時間做聊天時間段分布的統計；一個是針對內容做字符匹配，統計一些高頻詞匯出現的次數，比如“早安”、“晚安”、“想你”、“愛”等等（你懂的）。

詳情見本項目。代碼都有注釋，我寫了一個類把直方圖，高頻詞匯統計，詞云等結合起來了。

# -*- coding: utf-8 -*- """ Created on Sun Aug 16 10:41:08 2020 @author: fly """import numpy as np import pandas as pd import time import re import datetime import seaborn as sns import matplotlib.pyplot as plt from matplotlib.font_manager import * # 如果想在圖上顯示中文，需導入這個包 import xlwt import wordcloud # 詞云 import imageio import jieba # 中文分詞class WechatAnalysis:def __init__(self, data_frame, name):self.data_frame = data_frameself.wechat_name = nameself.chat_time, self.chat_content = self.get_time_and_content()self.font_path = r'C:\Windows\Fonts\MSYH.TTC' # 微軟雅黑def get_time_and_content(self):# 把聊天內容和時間取出chat = self.data_framechat_time = []chat_content = []for i in range(len(chat) - 1):content = chat[i:i + 1]if content['talker'].values[0] == self.wechat_name:t = content['createTime'].values[0] // 1000 # 除以1000用以剔除后三位0c = content['content'].values[0]chat_time.append(t)chat_content.append(c)return chat_time, chat_contentdef get_time_hist(self, time_flag=0):""":param time_flag: 0 hour, 1 year day, 2 month:return:"""# 畫小時核密度分布圖str_list = ['小時', '天', '月']data_list = [self.to_struct_time(t)[time_flag] for t in self.chat_time] # 得到數據列表max_indx = np.argmax(np.bincount(data_list)) # 出現次數最多的數據max_num = np.bincount(data_list)[max_indx] # 出現次數print('\n.......................\n開始畫圖\n.......................')myfont = FontProperties(fname=r'C:\Windows\Fonts\MSYH.TTC', size=22) # 標題字體樣式myfont2 = FontProperties(fname=r'C:\Windows\Fonts\MSYH.TTC', size=18) # 橫縱坐標字體樣式myfont3 = FontProperties(fname=r'C:\Windows\Fonts\FZSTK.TTF', size=18) # 標注字體sns.set_style('darkgrid') # 設置圖片為深色背景且有網格線if time_flag == 0:sns.distplot(data_list, 24, color='lightcoral')plt.xticks(np.arange(0, 25, 1.0), fontsize=15)plt.ylabel('聊天概率', fontproperties=myfont2)elif time_flag == 1:sns.distplot(data_list, 365, kde=False, color='lightcoral')plt.xticks(np.arange(1, 366, 30), fontsize=15)plt.ylabel('消息條數', fontproperties=myfont2)plt.annotate("這%s我們發了%d條消息！" % (str_list[time_flag], max_num),xy=(max_indx,max_num), fontproperties=myfont3)elif time_flag == 2:sns.distplot(data_list, 12, kde=False, color='lightcoral')plt.xticks(np.arange(0, 12, 1.0), fontsize=15)plt.ylabel('消息條數', fontproperties=myfont2)plt.annotate("這%s我們發了%d條消息！" % (str_list[time_flag], max_num),xy=(max_indx, max_num), fontproperties=myfont3)plt.yticks(fontsize=15)plt.title('聊天時間分布', fontproperties=myfont)plt.xlabel('時間段/' + str_list[time_flag], fontproperties=myfont2)fig = plt.gcf()fig.set_size_inches(15, 8)fig.savefig('chat_time.png', dpi=100)plt.show()print('\n.......................\n畫圖結束\n.......................')def get_hour_slice(self):hour_set = [self.to_struct_time(t)[0] for t in self.chat_time]print('\n.......................\n開始聊天時段統計\n.......................')time_slice = [0, 0, 0, 0, 0, 0]deep_night = []for i in range(len(hour_set)):if 0 <= hour_set[i] < 6:time_slice[0] += 1deep_night.append([self.chat_time[i], self.chat_content[i]])elif 6 <= hour_set[i] < 10:time_slice[1] += 1elif 10 <= hour_set[i] < 14:time_slice[2] += 1elif 14 <= hour_set[i] < 18:time_slice[3] += 1elif 18 <= hour_set[i] < 22:time_slice[4] += 1else:time_slice[5] += 1labels = ['凌晨0點至6點', '6點至10點', '10點至14點','14點至18點', '18點至22點', '22點至次日凌晨0點']time_distribution = {labels[0]: time_slice[0],labels[1]: time_slice[1],labels[2]: time_slice[2],labels[3]: time_slice[3],labels[4]: time_slice[4],labels[5]: time_slice[5]}for label in labels:print("{ name: '%s': %d}, \n" % (label, time_distribution[label]))''' 深夜聊天記錄 '''wbk = xlwt.Workbook()sheet = wbk.add_sheet('late')for i in range(len(deep_night)):sheet.write(i, 0, time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(deep_night[i][0])))sheet.write(i, 1, deep_night[i][1])wbk.save('聊得很晚.xls')print('\n.......................\n聊天時段統計結束\n.......................')def get_word_cloud(self, chinese_slice=False, stopwords=None, image_out_name=None):""":param chinese_slice: Whether Use jieba to slice the sentences.:param stopwords: a set include some words to exclude.:return:"""font_path = self.font_pathif image_out_name is None:image_out_name = 'word-heart.png'if chinese_slice:text = ",".join(self.chat_content)text_list = jieba.lcut(text)text = " ".join(text_list)image_out_name = 'zh-'.__add__(image_out_name)else:text = " ".join(self.chat_content)mk = imageio.imread("heart.png")# 構建并配置詞云對象w，注意要加scale參數，提高清晰度w = wordcloud.WordCloud(width=1000,height=700,background_color='white',font_path=font_path,mask=mk,scale=2,stopwords=stopwords,contour_width=1,contour_color='red')# 將string變量傳入w的generate()方法，給詞云輸入文字w.generate(text)# 展示圖片# 根據原始背景圖片的色調進行上色image_colors = wordcloud.ImageColorGenerator(mk)plt.imshow(w.recolor(color_func=image_colors))# 根據原始黑白色調進行上色# plt.imshow(wc.recolor(color_func=grey_color_func, random_state=3), interpolation='bilinear') #生成黑白詞云圖# 根據函數原始設置進行上色# plt.imshow(wc)# 隱藏圖像坐標軸plt.axis("off")plt.show()# 將詞云圖片導出到當前文件夾w.to_file(image_out_name)def get_word_statistic(self):''' 字符統計 '''chat_content = self.chat_contentchat_time = self.chat_timeprint('\n..........\n開始字符統計\n............\n')start = datetime.datetime.now()pattern_love = '.*?(愛).*?'pattern_morning = '.*?(早).*?'pattern_night = '.*?(晚安).*?'pattern_miss = '.*?(想你).*?'pattern_set = [pattern_love, pattern_morning, pattern_night,pattern_miss, '.*?(在干嘛).*?', '.*?(嘻嘻).*?']statistic = list(np.zeros(len(pattern_set), dtype=np.int))for i in range(len(chat_content)):for j in range(len(pattern_set)):length = len(re.findall(pattern_set[j], str(chat_content[i])))statistic[j] += lengthprint("在%d個日日夜夜里" % ((max(chat_time) - min(chat_time)) // (3600*24)))for i, pattern in enumerate(pattern_set):print("我們說了%d次 %s" % (statistic[i], pattern.strip('.*?()')))end = datetime.datetime.now()print('\n..........\n字符統計結束,用時: {}\n............\n'.format(end - start))@staticmethoddef to_struct_time(t):struct_time = time.localtime(t) # 將時間戳轉換為struct_time元組hour = round((struct_time[3] + struct_time[4] / 60), 2)month = struct_time.tm_monyday = struct_time.tm_ydayreturn hour, yday, monthif __name__ == '__main__':myGirl = '微信UID !!!'csv_path = '你導出的csv文件'chat = pd.read_csv(csv_path, sep=',', encoding='utf-8', usecols=[6,7,8])# createTime talker content‘ dtype: float, string,stringWechat = WechatAnalysis(chat, myGirl)# Get the hour distributionWechat.get_time_hist()Wechat.get_hour_slice()# Get word cloudplt.figure(2)Wechat.get_word_cloud() # Not slice the chinese wordsplt.figure(3)Wechat.get_word_cloud(stopwords={'嘻嘻', '嗯嗯', '嗯呢', '這樣子', '這樣子呀', '捂臉'})Wechat.get_word_statistic()

參考：

愛情大數據https://blog.csdn.net/iphilo/article/details/79052325

詞云可視化https://www.cnblogs.com/wkfvawl/p/11585986.html

總結

以上是生活随笔為你收集整理的微信聊天记录导出(2020新版)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。