今天（2020年10月29日），我终于将微信里面的聊天记录导出成纯文本文件了，至于后面的制作词云图，就相对简单了。
现在对这个过程记录一下，帮助有需要的人。
注意：我的手机是安卓手机，且没有在其他操作系统上尝试过下述方法。
说来也真是讽刺，自己的聊天记录居然要费这么大的力气才能得到！微信官方说不会查看用户的聊天记录，然而如何解释“微信指数”这个东西呢？
总而言之，大数据时代，我们都在“裸奔”。
1、基本思路
和网上说的一样，基本思路就是拿到手机里面存储聊天记录的数据库并解锁，然后导出成文本文件，接下来怎么分析就全凭所好了。
最耗费时间的，就是拿到并破解聊天数据库的过程。
2、获取数据库文件
微信的聊天记录在手机上是以SQLite数据库存储的。
一般情况下，我们是看不到这个数据库文件的，除非获取Root权限。但是，获取Root权限后会降低手机的安全性，所以现在的安卓手机越来越难以被Root。
为此，就需要“曲线救国”：利用安卓模拟器。
下面是具体的步骤：
将手机上的聊天记录备份至电脑，这个是微信自带的功能，只需要按照微信的操作指引即可。
安装安卓模拟器，我用的是网易mumu，支持mac和win。
打开安卓模拟器，注意，此时不要安装微信，先完成以下操作：
3.1 获取Root权限（右上角菜单栏-->系统设置-->开启ROOT权限）：
3.2 设置IMEI编码（右上角菜单栏-->系统设置-->属性设置-->自定义型号-->随机）：
点击保存后，模拟器会提示是否重启，点击重启以生效之前的设置。
tips: 型号不是重点，这个IMEI编码需要复制下来，后面会用到。
- 在模拟器中下载微信（通过模拟器的搜索框直接下载）并登录微信。
- 在上一步操作过程中，电脑上的微信会因为手机端微信登录状态的变化而自动退出，这时需要重新登录电脑微信。
tips: 在重新登录电脑微信时，需要扫码验证，可以用手机拍下二维码，然后展示给模拟器中的“手机微信”进行验证。
- 将备份的电脑端的聊天记录恢复至模拟器中的手机微信。
- 下载RE文件管理器（通过模拟器的搜索框直接下载）
注意： 别的文件管理器可能无法找到数据库文件，建议采用RE。
- 打开RE，从根目录
/下开始，路径为：/data/data/com.tencent.mm/MicroMsg/<xxxx>/EnMicroMsg.db，其中，<xxxx>为一数字字母组成的字符串，因微信号不同而不同；EnMicroMsg.db就是我们的数据库文件了。 - 可以将该数据库文件复制到模拟器的共享文件夹中，这样，数据库文件就到了电脑上了。
3、解密
3.1 获取密码
微信对该数据库文件进行了加密，加密规则是：先对IMEI和UIN进行拼接，然后利用MD5算法对拼接后的字符串进行转换，转换后的前7位字符为密码。
IMEI上面已经在模拟器中获取到了，接下来获取UIN。
UIN是微信的用户信息号，许多地方可以获取到，这里举一个例子。仍需要回到模拟其中，打开RE，进入到如下目录：/data/data/com.tencent.mm/shared_prefs，然后直接用RE打开其中的system_config_prefs.xml，找到其中的name为default_uin的标签所对应的value的值，就是UIN。
拿到两个编号之后，将它们按照IMEI+UIN的顺序拼接（注意，没有+号），然后进行在线MD5转换，转换后，取前7个字符。
3.2 打开数据库
尽管获取了密码，但并不能向其他数据库一样用密码登录即可（你可以尝试一下用Navicat进行登录看看是否成功），这是由于微信使用了SQLCipher对其进行了加密。如果熟悉SQLCipher的使用，可以下载源码，依据3.1得到的密码，用命令行进行解密。
我不熟悉，所以，可以用到别人的工具进行解密。
下载地址为：链接: https://pan.baidu.com/s/1Im3n02yseo-4IxeDY9srqQ 提取码: ka4z。
该工具是一个.exe文件，因此，必须在windows操作系统中运行。软件打开之后使用起来应该没什么难度，选择File-->Open database-->选择数据库文件，然后弹窗就让你输入密码了，输入7个字符的密码即可打开数据库。
注意： 这个软件并不完善，无法将整个数据库导出成SQL文件，只能选择单个表导出成csv文件。至于能否写SQL语句进行导出，我没有尝试。因此，如果熟悉SQLCipher命令，应该可以将整个数据库另存为一个非加密库，这样就可以为所欲为了。
打开之后，里面的表有很多，主要用到的是一张名为message的表，从名字就知道了它存储的是聊天记录。
4、制作词云
其实导出成csv文件之后，想基于这个文件做什么操作反而就比较简单了，这里只是记录一下。
4.1 文件转码
导出成的csv文件的编码需要转换成utf-8，这一点要记住。
4.2 python代码
python版本：3.7
代码不作解释了，都是很基础的，有问题欢迎评论。
import pandas as pd
import jieba
import codecs
from imageio import imread
import matplotlib.pyplot as plt
from wordcloud import ImageColorGenerator
from wordcloud import WordCloud
def load_file_and_seg(file_path):
"""导入文件并分词"""
f = codecs.open(file_path)
content = f.read()
f.close()
segment = []
segs = jieba.cut(content)
for seg in segs:
if len(seg) > 1 and seg != '\r\n':
segment.append(seg)
return segment
def get_words_count(file_path, stopwords_file=None):
"""统计词频"""
segment = load_file_and_seg(file_path)
df = pd.DataFrame({ 'segment': segment})
if stopwords_file:
stopwords = pd.read_csv(stopwords_file, index_col=False, quoting=3, sep="\t",
names=['stopword'], encoding="utf-8")
df = df[~df.segment.isin(stopwords.stopword)]
words_count = df['segment'].value_counts()
return words_count.to_dict()
def has_chinese(string):
"""字符串中是否含有中文"""
for char in string:
if u'\u4e00' <= char <= u'\u9fa5':
return True
return False
def preprocessing(file_path):
"""数据的预处理"""
df = pd.read_csv(file_path, sep=",")
keep_indexes = []
for i in range(df.shape[0]):
txt = df.loc[i, 'content']
if txt.startswith('<msg>'):
continue
if txt.startswith("欢迎你再次回到微信"):
continue
if has_chinese(txt):
keep_indexes.append(i)
df2 = df.iloc[keep_indexes, :]
df2.sort_values(by='createTime', inplace=True)
df2 = df2.content
file = open('raw_msg.txt', 'w+', encoding='utf-8')
for i in df2:
file.write(i + '\n')
file.close()
if __name__ == '__main__':
file = 'msg2.csv'
preprocessing(file)
words_count = get_words_count('./raw_msg.txt')
bimg = imread('./ai.jpeg') # 使用一张图片为模板
wordcloud = WordCloud(background_color='white', mask=bimg, font_path='AquaKana.ttc') # 注意字体
wordcloud = wordcloud.fit_words(words_count)
bimgColors = ImageColorGenerator(bimg)
plt.axis("off")
plt.imshow(wordcloud.recolor(color_func=bimgColors))
plt.show()
