一鍵生成微信個人專屬數據報告,瞭解你的微信社交歷史

来源:https://www.cnblogs.com/cloudbird/archive/2019/04/21/10743642.html
-Advertisement-
Play Games

你是否想過生成一份屬於你的微信個人數據報告，瞭解你的微信社交歷史。現在，我們基於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、備註名、個性簽名、頭像、群聊、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... ...


目錄

一鍵生成微信個人專屬數據報告,瞭解你的微信社交歷史

簡介

你是否想過生成一份屬於你的微信個人數據報告，瞭解你的微信社交歷史。現在，我們基於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、備註名、個性簽名、頭像、群聊、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佈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，併進一步檢測出使用真人頭像的好友數據。

目前網上關於這方面的數據分析文章比較多，但是運行起來比較麻煩，而本程式的運行十分簡單，只需要掃碼登錄一步操作即可。

功能截圖










如何運行

# 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

如何打包成二進位可執行文件

# 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

  1. 首先，進行初始化，並根據不同操作系統，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()
  1. 登錄完微信後，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()
  1. 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
                # 判斷是否有備註，有的話就使用備註
                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
  1. 獲取微信好友頭像，以便進一步分析。這裡下載頭像比較慢，所以採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，並下載到本地。
    # 創建一個隊列，用於多線程下載頭像，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，並保存到指定位置，生成一個15位數的隨機字元串
        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)))
  1. 進行性別、地區統計，並將生產的html文件保存到本地。這裡沒什麼難度，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')
  1. 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。這裡分類的依據是根據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

        # 好友類型及許可權：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')
  1. 對好友個性簽名進行分析，並繪製出詞語。這裡比較複雜，首先將個性簽名列表轉化為字元串，調用nlp處理介面，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。最後，使用pyechart進行繪製詞語圖。代碼中註釋非常多，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<span class.*?</span>
        # 使用正則查找並替換方式，user.signature為源文本，將<span class.*?</span>替換成空
        new_signature = re.sub(re.compile(r"<span class.*?</span>", 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('\n')) == 1):
            data.append(new_signature)

    # 將個性簽名列表轉為string
    data = '\n'.join(data)

    # 進行分詞處理，調用介面進行分詞
    # 這裡不使用jieba或snownlp的原因是無法打包成exe文件或者打包後文件非常大
    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字元串轉化為python對象，並做一些處理
    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','=', '\r', '\n', '\r\n', '\t', '以下關鍵詞', '[', ']', '{', '}', '(', ')', '（', '）', 'span', '<', '>', 'class', 'html', '?', '就', '於', '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

    # 開始繪製詞雲
    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雲圖')
    wordcloud.add("", name, value, shape='star', word_size_range=[1,100])
    wordcloud.render('data/好友個性簽名詞雲.html')
  1. 拼接所有好友頭像，這裡使用到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。由於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")
  1. 檢測使用人臉作為頭像的好友數量，這裡使用到opencv的人臉檢測功能，使用opencv預設的模型進行檢測。首先載入圖片，併進行灰度處理，最後載入人臉識別模型進行檢測，若檢測到臉數大於0，則說明存在。同時要註意的是，對錯誤的頭像要進行捨棄操作。
# 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 = []

    # 載入人臉識別模型
    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)))
  1. 所有數據統計完後，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，並保存到文件file_name中
def generate_html(file_name):
    with open(file_name, 'w', encoding='utf-8') as f:
        data = '''
            <meta http-equiv='Content-Type' content='text/html; charset=utf-8'>
            <meta charset="UTF-8">
            <title>一鍵生成微信個人專屬數據報告(瞭解你的微信社交歷史)</title>
            <meta name='keywords' content='微信個人數據'>
            <meta name='description' content=''>
            <iframe name="iframe1" marginwidth=0 marginheight=0 width=100% height=60% src="data/好友地區分佈.html" frameborder=0></iframe>
            <iframe name="iframe2" marginwidth=0 marginheight=0 width=100% height=60% src="data/某省好友地區分佈.html" frameborder=0></iframe>
            <iframe name="iframe3" marginwidth=0 marginheight=0 width=100% height=60% src="data/好友性別比例.html" frameborder=0></iframe>
            <iframe name="iframe4" marginwidth=0 marginheight=0 width=100% height=60% src="data/你認識的好友比例.html" frameborder=0></iframe>
            <iframe name="iframe5" marginwidth=0 marginheight=0 width=100% height=60% src="data/你最親密的人.html" frameborder=0></iframe>
            <iframe name="iframe6" marginwidth=0 marginheight=0 width=100% height=60% src="data/特殊好友分析.html" frameborder=0></iframe>
            <iframe name="iframe7" marginwidth=0 marginheight=0 width=100% height=60% src="data/共同所在群聊分析.html" frameborder=0></iframe>
            <iframe name="iframe8" marginwidth=0 marginheight=0 width=100% height=60% src="data/好友個性簽名詞雲.html" frameborder=0></iframe>
            <iframe name="iframe9" marginwidth=0 marginheight=0 width=100% height=60% src="data/微信好友頭像拼接圖.html" frameborder=0></iframe>
            <iframe name="iframe10" marginwidth=0 marginheight=0 width=100% height=60% src="data/使用人臉的微信好友頭像拼接圖.html" frameborder=0></iframe>
        '''
        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


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 原型模式(Prototype Pattern)
    原型模式概述 定義：使用原型實例指定待創建對象的類型，並且通過複製這個原型來創建新的對象。簡單的來說就是克隆(Clone),通過已經存在的，將其複製而產生新的。原型模式屬於創建型模式，將一個原型對象傳給要發動創建的對象(客戶端對象)，該對象通過請求原型對象複製自己來實現創建過程。 既然是通過Clon ...
  • Spring Boot 2.0 升級指南
    Spring Boot 2.0 升級指南 前言 Spring Boot已經發佈2.0有5個月多，多了很多新特性，一些坑也慢慢被填上，最近有空，就把項目中Spring Boot 版本做了升級，順便整理下升級的時候遇到的一些坑，做個記錄。後續的教程就以最新的2.03版本為主。參考官方文檔翻譯 在你開始之 ...
  • 由淺入深講解責任鏈模式,理解Tomcat的Filter過濾器
    本文將從簡單的場景引入, 逐步優化, 最後給出具體的責任鏈設計模式實現. 場景引入 首先我們考慮這樣一個場景: 論壇上用戶要發帖子, 但是用戶的想法是豐富多變的, 他們可能正常地發帖, 可能會在網頁中淺入html代碼, 可能會使用錯誤的表情格式, 也可能發送一些敏感信息. 作為論壇的管理員必須對用戶 ...
  • 006. SSO 單點登錄（同域SSO/跨域SSO）
    SSO 單點登錄：一次登錄，處處登錄。 只需在一個登錄認證服務下進行登錄後，就可訪問所有相互信任的應用 同域 SSO 1. session-cookie機制：服務端通過cookie認證客戶端。 用戶第一次登錄後，服務端將返回一個cookie給客戶端（這個cookie包含session id），用戶下 ...
  • 設計模式之工廠模式（二）
    之前已經帶大家稍微入門了工廠模式（即簡單工廠模式）的方法，沒看過的朋友可以移步去查看一番。 "設計模式之工廠模式（一）" 。今天我們繼續吃著披薩，學習著工廠模式的接下來部分吧。 加盟披薩店 我們先前的披薩店已經經營有成，擊敗了部分競爭者，接下來的計劃就是開加盟店。作為經營者，你肯定希望確保加盟店運營 ...
  • 六大設計原則（三）DIP依賴倒置原則
    依賴倒置原則DIP（Dependence Inversion Principle） 依賴倒置原則的含義 高層模塊不能依賴低層模塊，二者都應該依賴其抽象。 抽象不應該依賴於細節。 細節應該依賴抽象。 什麼是 高層模塊？低層模塊 ？ 每一個原子邏輯就是低層模塊，原子邏輯再組就是高層模塊。 什麼是 抽象和 ...
  • ecstore中怎樣使用ajax提交數據
    //javascript代碼 $$(".bb").addEvent('change',function(e){ var order_item_id = this.get('order_item_id'); var product_name= this.value; new Request.JSON(... ...
  • Java AQS 概述
    AQS 概述 AQS(隊列同步器，AbstractQueuedSynchronizer)，是用來構建鎖或其他同步組件的核心基礎框架(比如 ReentrantLock、ReentrantReadWriteLock、Semaphore、CountDownLatch) AQS的底層結構是：一個整型變數st ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類