一、导出聊天记录.txt。

二、通过正则表达式对txt匹配得到：日期，时间，QQ号码，聊天内容四个列表。

正则表达式分析：

1、’r’是防止字符转义的 如果路径中出现’\t’的话 不加r的话\t就会被转义 而加了’r’之后’\t’就能保留原有的样子。 raw string。

2、[]定义字符范围。[\d-]匹配数字和-格式的字符；\s+ 匹配多个空格。

[^\n]代表任何字符除了\n,任何字符有不同的含义,一般是不包括空白符号、换行,有些情况会包含.。

(?:x|y)非捕获分组，x 和y 任何一个都可以完成正则表达式的匹配。\) 匹配 “）”。

import re
import wordcloud as wc
import jieba
import matplotlib.pyplot as plt
from scipy.misc import imread
re_pat = r'20[\d-]{8}\s[\d:]{7,8}\s+[^\n]+(?:\d{5,11}|@\w+\.[comnetcn]{2,3})\)'  # 正则语句，匹配记录头
fn = r'./in/1.txt'
with open(fn, 'r', encoding='utf-8', errors='ignore') as reader:
    txt = reader.read()
# find 匹配出pattern对应的字符串列表
log_title_arr = re.findall(re_pat, txt)  # 记录头数组['2016-06-24 15:42:52  张某(40**21)',…]
# split根据pattern对文章进行分割，[:1]表示把后面的对话记录。把所有聊天记录保存到一个列表里，和保存qq号码的列表一一对应
log_content_arr = re.split(re_pat, txt)[1:]  # 记录内容数组['\n', '\n选修的\n\n', '\n就怕这次…]

 分别得到四个部分。（？<=\(）表示需要字符串里有“（”但是完成匹配返回值里面不保留“(”，称为正回顾后发断言。

[^\)]+匹配除了“）”之外的任意字符，因此可以得到qq号码。

for i in range(int(len(log_title_arr))):
    date = re.search(r'20[\d-]{8}\s[\d:]{7,8}', log_title_arr[i]).group()  # 匹配记录头中的时间
    qq = re.search(r'(?<=\()[^\)]+', log_title_arr[i]).group()  # 匹配记录头中的QQ号
    content = log_content_arr[i].strip('\n')  # 聊天内容
    hour = re.search(r'(?<=\s)[^\:]+', date).group()  # 一天中聊天的时刻
    times.append(date)  # 记录所有的聊天日期
    hours.append(hour)  # 记录所有聊天时刻点
    qqs.append(qq)  # 所有qq
    contents.append(content)  # 所有聊天内容
    entity.append((date, qq, content))

三、对整体聊天内容和每个用户的聊天内容制作词云。

1.得到每个qq 对应的聊天记录

# 每个人的聊天记录
oneqq = set(qqs)
print(oneqq)
for qq in oneqq:
    contentuser = ''
    for i in range(len(entity)):
        if qq == entity[i][1]:
            contentuser += entity[i][2]

2、数据预处理：分词并把聊天记录的‘表情’和‘图片’去掉。

all_text = contentuser.replace('\n', '')
all_text = all_text.replace('\u3000', '')
seg_list = jieba.cut(all_text, cut_all=False)
words = ' '
for seg in seg_list:
    if seg not in stopwords and seg != '表情'and seg != '图片'and seg !='葱油'and seg !='鲤鱼':
        words = words + seg + ' '
print(words)

3、词云生成.：wordcloud模块。

font 使用windows自带的字体。scale 词云里每个词语的分辨率，越大越清晰，但是电脑要崩溃。

for 循环保存图片使用 ‘%s.jpg’%(string)格式设定图片的名称。

font = r"C:\WINDOWS\Fonts\simhei.ttf"
color_mask = imread('./3.jpg')
cloud = wc.WordCloud(scale=16,
                         font_path=font,  # 设置字体
                         background_color="white",  # 背景颜色
                         max_words=500,  # 词云显示的最大词数
                         mask=color_mask,  # 设置背景图片
                         max_font_size=100,  # 字体最大值
                         width=800,
                         height=800,
                         random_state=42)
 mywc = cloud.generate(words)
 plt.imshow(mywc)
 #plt.title(qq,fontsize=20)
 #plt.savefig("%d.jpg"%(int(qq)),dpi=300) #save需要在show函数之前，否则保存一张空白图片
 mywc.to_file('%s.jpg'%(qq))
 plt.show()

四、聊天时间段绘图。从xlsx读取数据，用plt画图

#/usr/bin/env python
# -*- coding:utf-8 -*-
import xlrd
import matplotlib.pyplot as plt
import numpy as np
def fileload(filename = '待读取.xlsx'):
    dataset = []
    workbook = xlrd.open_workbook(filename)
    table = workbook.sheets()[0]
    for row in range(table.nrows):
        dataset.append(table.row_values(row))
    return dataset



filename = './out/1.xlsx'
a = fileload(filename)
x = []
y = []
for i in range(len(a)-1):
    x.append(a[i+1][0])
    y.append(int(a[i+1][1]))


plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
#plt.figure(figsize=(8, 6))  ##指定图像比例： 8：6
plt.subplots_adjust(bottom=0.2)
plt.plot(x, y, color="red", label="times")
plt.xlabel("时间00：00—24：00")
plt.ylabel("发言次数/次")
plt.xticks(range(0, 24), rotation=75, fontsize=15)  # 设置横坐标显示24次。
plt.yticks(fontsize=10)
plt.show()