資訊專欄INFORMATION COLUMN
摘要：一鍵生成微信個人專屬數據報告了解你的微信社交歷史簡介你是否想過生成一份屬于你的微信個人數據報告，了解你的微信社交歷史。
[TOC]
一鍵生成微信個人專屬數據報告,了解你的微信社交歷史 簡介你是否想過生成一份屬于你的微信個人數據報告，了解你的微信社交歷史?，F在，我們基于python對微信好友進行全方位數據分析，包括：昵稱、性別、年齡、地區、備注名、個性簽名、頭像、群聊和公眾號等。
其中，在分析好友類型方面，主要統計出你的陌生人、星標好友、不讓他看我的朋友圈的好友、不看他的朋友圈的好友數據。在分析地區方面，主要統計所有好友在全國的分布以及對好友數最多的省份進行進一步分析。在其他方面，統計出你的好友性別比例、猜出你最親密的好友，分析你的特殊好友，找出與你所在共同群聊數最多的好友數據，對你的好友個性簽名進行分析，對你的好友頭像進行分析，并進一步檢測出使用真人頭像的好友數據。
目前網上關于這方面的數據分析文章比較多，但是運行起來比較麻煩，而本程序的運行十分簡單，只需要掃碼登錄一步操作即可。
功能截圖# 跳轉到當前目錄 cd 目錄名 # 先卸載依賴庫 pip uninstall -y -r requirement.txt # 再重新安裝依賴庫 pip install -r requirement.txt # 開始運行 python generate_wx_data.py如何打包成二進制可執行文件
# 安裝pyinstaller pip install pyinstaller # 跳轉到當前目錄 cd 目錄名 # 先卸載依賴庫 pip uninstall -y -r requirement.txt # 再重新安裝依賴庫 pip install -r requirement.txt # 更新 setuptools pip install --upgrade setuptools # 開始打包 pyinstaller generate_wx_data.py編寫思路
首先，進行初始化，并根據不同操作系統，啟用微信機器人。
# 初始化所需文件夾
init_folders()
# 啟動微信機器人，自動根據操作系統執行不同的指令
if("Windows" in system()):
# Windows
bot = Bot(cache_path=True)
elif("Darwin" in system()):
# MacOSX
bot = Bot(cache_path=True)
elif("Linux" in system()):
# Linux
bot = Bot(console_qr=2,cache_path=True)
else:
# 自行確定
print(u"無法識別你的操作系統類型，請自己設置")
exit()
登錄完微信后，開始獲取好友數據和群聊數據。
# 獲取所有好友 friends = bot.friends(update=False) # 獲取所有活躍群聊 groups = bot.groups()
共同所在群聊成員分析，依次對每個好友進行檢測。
def group_common_in():
# 獲取所有活躍的群聊
groups = bot.groups()
# 每個好友與你相同的群聊個數
dict_common_in = {}
# 遍歷所有好友，第0個為你自己，所以去掉
for x in friends[1:]:
# 依次在每個群聊中搜索
for y in groups:
# x在y中
if(x in y):
# 獲取微信名稱
name = x.nick_name
# 判斷是否有備注，有的話就使用備注
if(x.remark_name and x.remark_name != ""):
name = x.remark_name
# 增加計數
if(name in dict_common_in.keys()):
dict_common_in[name] += 1
else:
dict_common_in[name] = 1
獲取微信好友頭像，以便進一步分析。這里下載頭像比較慢，所以采取多線程方式進行下載。在多線程中，使用隊列保存我們的頭像url，不同線程從隊列中獲取頭像url，并下載到本地。
# 創建一個隊列，用于多線程下載頭像，提高下載速度
queue_head_image = Queue()
# 將每個好友元素存入隊列中
# 如果為了方便調試，可以僅僅插入幾個數據，friends[1:10]
for user in friends:
queue_head_image.put(user)
# 啟動10個線程下載頭像
for i in range(1, 10):
t = Thread(target=download_head_image,args=(i,))
t.start()
其中download_head_image的具體實現為：
# 下載好友頭像，此步驟消耗時間比較長
def download_head_image(thread_name):
# 隊列不為空的情況
while(not queue_head_image.empty()):
# 取出一個好友元素
user = queue_head_image.get()
# 下載該好友頭像，并保存到指定位置，生成一個15位數的隨機字符串
random_file_name = "".join([str(random.randint(0,9)) for x in range(15)])
user.get_avatar(save_path="image/" + random_file_name + ".jpg")
# 輸出提示
print(u"線程%d:正在下載微信好友頭像數據，進度%d/%d，請耐心等待……" %(thread_name, len(friends)-queue_head_image.qsize(), len(friends)))
進行性別、地區統計，并將生產的html文件保存到本地。這里沒什么難度，所以就不詳細展開了。
# 分析好友性別比例
def sex_ratio():
# 初始化
male, female, other = 0, 0, 0
# 遍歷
for user in friends:
if(user.sex == 1):
male += 1
elif(user.sex == 2):
female += 1
else:
other += 1
name_list = ["男性", "女性", "未設置"]
num_list = [male, female, other]
pie = Pie("微信好友性別比例")
pie.add("", name_list, num_list, is_label_show=True)
pie.render("data/好友性別比例.html")
分析你認識的好友、最親密的人以及特殊好友。以特殊好友為例，我們將好友分為星標好友(很重要的人), 不讓他看我的朋友圈的好友, 不看他朋友圈的好友, 消息置頂好友, 陌生人。這里分類的依據是根據itchat中的StarFriend和ContactFlag而來的。根據經驗可知，StarFriend為1表示為星標好友，ContactFlag為1和3表示好友，259和33027表示不讓他看我的朋友圈，65539和65537和66051表示不看他的朋友圈，65795表示兩項設置全禁止, 73731表示陌生人。
# 特殊好友分析
def analyze_special_friends():
# 星標好友(很重要的人), 不讓他看我的朋友圈的好友, 不看他朋友圈的好友, 消息置頂好友, 陌生人
star_friends, hide_my_post_friends, hide_his_post_friends, sticky_on_top_friends, stranger_friends = 0, 0, 0, 0, 0
for user in friends:
# 星標好友為1,為0表示非星標,不存在星標選項的為陌生人
if("StarFriend" in (user.raw).keys()):
if((user.raw)["StarFriend"] == 1):
star_friends += 1
else:
stranger_friends += 1
# 好友類型及權限：1和3好友，259和33027不讓他看我的朋友圈，65539和65537和66051不看他的朋友圈，65795兩項設置全禁止, 73731陌生人
if((user.raw)["ContactFlag"] in [259, 33027, 65795]):
hide_my_post_friends += 1
if ((user.raw)["ContactFlag"] in [66051, 65537, 65539, 65795]):
hide_his_post_friends += 1
# 消息置頂好友為2051
if ((user.raw)["ContactFlag"] in [2051]):
sticky_on_top_friends += 1
# 陌生人
if ((user.raw)["ContactFlag"] in [73731]):
stranger_friends += 1
bar = Bar("特殊好友分析")
bar.add(name="", x_axis=["星標", "不讓他看我朋友圈", "不看他朋友圈", "消息置頂", "陌生人"], y_axis=[star_friends, hide_my_post_friends, hide_his_post_friends, sticky_on_top_friends, stranger_friends], legend_orient="vertical", legend_pos="left")
bar.render("data/特殊好友分析.html")
對好友個性簽名進行分析，并繪制出詞語。這里比較復雜，首先將個性簽名列表轉化為字符串，調用nlp處理接口，對返回的數據進行過濾。同時，對短語進行分詞，過濾，詞頻統計操作。最后，使用pyechart進行繪制詞語圖。代碼中注釋非常多，基本都能看懂，所以在此也無需再詳細展開了。
# 分析個性簽名
def analyze_signature():
# 個性簽名列表
data = []
for user in friends:
# 清除簽名中的微信表情emoj，即
# 使用正則查找并替換方式，user.signature為源文本，將替換成空
new_signature = re.sub(re.compile(r"", re.S), "", user.signature)
# 只保留簽名為1行的數據，過濾為多行的簽名
if(len(new_signature.split("
")) == 1):
data.append(new_signature)
# 將個性簽名列表轉為string
data = "
".join(data)
# 進行分詞處理，調用接口進行分詞
# 這里不使用jieba或snownlp的原因是無法打包成exe文件或者打包后文件非常大
postData = {"data":data, "type":"exportword", "arg":"", "beforeSend":"undefined"}
response = post("http://life.chacuo.net/convertexportword",data=postData)
data = response.text.replace("{"status":1,"info":"ok","data":["", "")
# 解碼
data = data.encode("utf-8").decode("unicode_escape")
# 將返回的分詞結果json字符串轉化為python對象，并做一些處理
data = data.split("=====================================")[0]
# 將分詞結果轉化為list，根據分詞結果，可以知道以2個空格為分隔符
data = data.split(" ")
# 對分詞結果數據進行去除一些無意義的詞操作
stop_words_list = [",", "，", "、", "the", "a", "is", "…", "·", "э", "д", "э", "м", "ж", "и", "л", "т", "ы", "н", "з", "м", "…", "…", "…", "…", "…", "、", ".", "。", "!", "！", ":", "：", "~", "|", "▽", "`", "ノ", "?", "a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u", "v", "w", "x", "y", "z", "A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y", "Z", "0", "1", "2", "3", "4", "5", "6", "7", "8", "9", """, "‘", "’", "“", "”", "的", "了", "是", "你", "我", "他", "她","=", "
", "
", "
", " ", "以下關鍵詞", "[", "]", "{", "}", "(", ")", "（", "）", "span", "<", ">", "class", "html", "?", "就", "于", "下", "在", "嗎", "嗯"]
tmp_data = []
for word in data:
if(word not in stop_words_list):
tmp_data.append(word)
data = tmp_data
# 進行詞頻統計，結果存入字典signature_dict中
signature_dict = {}
for index, word in enumerate(data):
print(u"正在統計好友簽名數據，進度%d/%d，請耐心等待……" % (index + 1, len(data)))
if(word in signature_dict.keys()):
signature_dict[word] += 1
else:
signature_dict[word] = 1
# 開始繪制詞云
name = [x for x in signature_dict.keys()]
value = [x for x in signature_dict.values()]
wordcloud = WordCloud("微信好友個性簽名詞云圖")
wordcloud.add("", name, value, shape="star", word_size_range=[1,100])
wordcloud.render("data/好友個性簽名詞云.html")
拼接所有好友頭像，這里使用到PIL的圖像處理功能，首先對頭像個數進行統計，自適應生成矩形圖片。由于我們知道微信頭像尺寸為640 * 640，所以處理起來就很方便了。
# 拼接所有微信好友頭像
def merge_head_image():
# 拼接頭像
pics = listdir("image") # 得到user目錄下的所有文件，即各個好友頭像
numPic = len(pics)
eachsize = int(math.sqrt(float(640 * 640) / numPic)) # 先圈定每個正方形小頭像的邊長，如果嫌小可以加大
numrow = int(640 / eachsize)
numcol = int(numPic / numrow) # 向下取整
toImage = Image.new("RGB", (eachsize * numrow, eachsize * numcol)) # 先生成頭像集模板
x = 0 # 小頭像拼接時的左上角橫坐標
y = 0 # 小頭像拼接時的左上角縱坐標
for index, i in enumerate(pics):
print(u"正在拼接微信好友頭像數據，進度%d/%d，請耐心等待……" % (index + 1, len(pics)))
try:
# 打開圖片
img = Image.open("image/" + i)
except IOError:
print(u"Error: 沒有找到文件或讀取文件失敗")
else:
# 縮小圖片
img = img.resize((eachsize, eachsize), Image.ANTIALIAS)
# 拼接圖片
toImage.paste(img, (x * eachsize, y * eachsize))
x += 1
if x == numrow:
x = 0
y += 1
toImage.save("data/拼接" + ".jpg")
檢測使用人臉作為頭像的好友數量，這里使用到opencv的人臉檢測功能，使用opencv默認的模型進行檢測。首先載入圖片，并進行灰度處理，最后加載人臉識別模型進行檢測，若檢測到臉數大于0，則說明存在。同時要注意的是，對錯誤的頭像要進行舍棄操作。
# 檢測使用真實人臉的好友個數
def detect_human_face():
# 得到user目錄下的所有文件名稱，即各個好友頭像
pics = listdir("image")
# 使用人臉的頭像個數
count_face_image = 0
# 存儲使用人臉的頭像的文件名
list_name_face_image = []
# 加載人臉識別模型
face_cascade = CascadeClassifier("model/haarcascade_frontalface_default.xml")
for index, file_name in enumerate(pics):
print(u"正在進行人臉識別，進度%d/%d，請耐心等待……" % (index+1, len(pics)))
# 讀取圖片
img = imread("image/" + file_name)
# 檢測圖片是否讀取成功，失敗則跳過
if img is None:
continue
# 對圖片進行灰度處理
gray = cvtColor(img, COLOR_BGR2GRAY)
# 進行實際的人臉檢測，傳遞參數是scaleFactor和minNeighbor,分別表示人臉檢測過程中每次迭代時圖
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
if (len(faces) > 0):
count_face_image += 1
list_name_face_image.append(file_name)
print(u"使用人臉的頭像%d/%d" %(count_face_image,len(pics)))
所有數據統計完后，我們生產一個總的html網頁文件，方便我們直接查看。
# 生成一個html文件，并保存到文件file_name中
def generate_html(file_name):
with open(file_name, "w", encoding="utf-8") as f:
data = """
一鍵生成微信個人專屬數據報告(了解你的微信社交歷史)
"""
f.write(data)
補充
完整版源代碼存放在github上，有需要的可以下載
項目持續更新，歡迎您star本項目
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/43623.html
摘要：一鍵生成微信個人專屬數據報告了解你的微信社交歷史簡介你是否想過生成一份屬于你的微信個人數據報告，了解你的微信社交歷史。 [TOC] 一鍵生成微信個人專屬數據報告,了解你的微信社交歷史 簡介 你是否想過生成一份屬于你的微信個人數據報告，了解你的微信社交歷史。現在，我們基于python對微信好友進行全方位數據分析，包括：昵稱、性別、年齡、地區、備注名、個性簽名、頭像、群聊、公眾號等。 其中...
摘要：一鍵生成屬于自己的歷史報告，看看你對自己的了解程度有多深簡介近幾年，由于微信的流行，大部分人不再頻繁使用，所以我們對于自己的數據并不是特別了解。這里要說明的是，加密函數的獲取，需要具備一定的抓包基礎才能獲取得到。 [TOC] 一鍵生成屬于自己的QQ歷史報告，看看你對自己的QQ了解程度有多深? 簡介 近幾年，由于微信的流行，大部分人不再頻繁使用QQ，所以我們對于自己的QQ數據并不是特別了...
摘要：藍湖通過幫助設計師更好地向團隊展示設計圖描述頁面之間的跳轉關系。如果設計圖出現改動和更新，藍湖也能自動添加新版本。藍湖基于這些反饋快速迭代，而自動標注功能就是其中一項。 原文收錄在我的 GitHub博客 (https://github.com/jawil/blog) ，喜歡的可以關注最新動態，大家一起多交流學習，共同進步，以學習者的身份寫博客，記錄點滴。 工欲善其事，必先利其器。我只是...
摘要：藍湖通過幫助設計師更好地向團隊展示設計圖描述頁面之間的跳轉關系。如果設計圖出現改動和更新，藍湖也能自動添加新版本。藍湖基于這些反饋快速迭代，而自動標注功能就是其中一項。 原文收錄在我的 GitHub博客 (https://github.com/jawil/blog) ，喜歡的可以關注最新動態，大家一起多交流學習，共同進步，以學習者的身份寫博客，記錄點滴。 工欲善其事，必先利其器。我只是...
閱讀 1123·2023-04-26 00:12
閱讀 3248·2021-11-17 09:33
閱讀 1061·2021-09-04 16:45
閱讀 1186·2021-09-02 15:40
閱讀 2145·2019-08-30 15:56
閱讀 2949·2019-08-30 15:53
閱讀 3548·2019-08-30 11:23
閱讀 1932·2019-08-29 13:54
