摘要：一鍵生成微信個(gè)人專(zhuān)屬數(shù)據(jù)報(bào)告了解你的微信社交歷史簡(jiǎn)介你是否想過(guò)生成一份屬于你的微信個(gè)人數(shù)據(jù)報(bào)告，了解你的微信社交歷史。

[TOC]

你是否想過(guò)生成一份屬于你的微信個(gè)人數(shù)據(jù)報(bào)告，了解你的微信社交歷史。現(xiàn)在，我們基于python對(duì)微信好友進(jìn)行全方位數(shù)據(jù)分析，包括：昵稱(chēng)、性別、年齡、地區(qū)、備注名、個(gè)性簽名、頭像、群聊和公眾號(hào)等。

其中，在分析好友類(lèi)型方面，主要統(tǒng)計(jì)出你的陌生人、星標(biāo)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(shù)據(jù)。在分析地區(qū)方面，主要統(tǒng)計(jì)所有好友在全國(guó)的分布以及對(duì)好友數(shù)最多的省份進(jìn)行進(jìn)一步分析。在其他方面，統(tǒng)計(jì)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(shù)最多的好友數(shù)據(jù)，對(duì)你的好友個(gè)性簽名進(jìn)行分析，對(duì)你的好友頭像進(jìn)行分析，并進(jìn)一步檢測(cè)出使用真人頭像的好友數(shù)據(jù)。

目前網(wǎng)上關(guān)于這方面的數(shù)據(jù)分析文章比較多，但是運(yùn)行起來(lái)比較麻煩，而本程序的運(yùn)行十分簡(jiǎn)單，只需要掃碼登錄一步操作即可。

# 跳轉(zhuǎn)到當(dāng)前目錄
cd 目錄名
# 先卸載依賴(lài)庫(kù)
pip uninstall -y -r requirement.txt
# 再重新安裝依賴(lài)庫(kù)
pip install -r requirement.txt
# 開(kāi)始運(yùn)行
python generate_wx_data.py

# 安裝pyinstaller
pip install pyinstaller
# 跳轉(zhuǎn)到當(dāng)前目錄
cd 目錄名
# 先卸載依賴(lài)庫(kù)
pip uninstall -y -r requirement.txt
# 再重新安裝依賴(lài)庫(kù)
pip install -r requirement.txt
# 更新 setuptools
pip install --upgrade setuptools
# 開(kāi)始打包
pyinstaller generate_wx_data.py

首先，進(jìn)行初始化，并根據(jù)不同操作系統(tǒng)，啟用微信機(jī)器人。

    # 初始化所需文件夾
    init_folders()


    # 啟動(dòng)微信機(jī)器人，自動(dòng)根據(jù)操作系統(tǒng)執(zhí)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(wú)法識(shí)別你的操作系統(tǒng)類(lèi)型，請(qǐng)自己設(shè)置")
        exit()

登錄完微信后，開(kāi)始獲取好友數(shù)據(jù)和群聊數(shù)據(jù)。

# 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(duì)每個(gè)好友進(jìn)行檢測(cè)。

def group_common_in():

    # 獲取所有活躍的群聊
    groups = bot.groups()

    # 每個(gè)好友與你相同的群聊個(gè)數(shù)
    dict_common_in = {}

    # 遍歷所有好友，第0個(gè)為你自己，所以去掉
    for x in friends[1:]:
        # 依次在每個(gè)群聊中搜索
        for y in groups:
            # x在y中
            if(x in y):
                # 獲取微信名稱(chēng)
                name = x.nick_name
                # 判斷是否有備注，有的話(huà)就使用備注
                if(x.remark_name and x.remark_name != ""):
                    name = x.remark_name

                # 增加計(jì)數(shù)
                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(jìn)一步分析。這里下載頭像比較慢，所以采取多線(xiàn)程方式進(jìn)行下載。在多線(xiàn)程中，使用隊(duì)列保存我們的頭像url，不同線(xiàn)程從隊(duì)列中獲取頭像url，并下載到本地。

    # 創(chuàng)建一個(gè)隊(duì)列，用于多線(xiàn)程下載頭像，提高下載速度
    queue_head_image = Queue()

    # 將每個(gè)好友元素存入隊(duì)列中
    # 如果為了方便調(diào)試，可以?xún)H僅插入幾個(gè)數(shù)據(jù)，friends[1:10]
    for user in friends:
        queue_head_image.put(user)

    # 啟動(dòng)10個(gè)線(xiàn)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(shí)現(xiàn)為：

# 下載好友頭像，此步驟消耗時(shí)間比較長(zhǎng)
def download_head_image(thread_name):

    # 隊(duì)列不為空的情況
    while(not queue_head_image.empty()):
        # 取出一個(gè)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(gè)15位數(shù)的隨機(jī)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(xiàn)程%d:正在下載微信好友頭像數(shù)據(jù)，進(jìn)度%d/%d，請(qǐng)耐心等待……" %(thread_name, len(friends)-queue_head_image.qsize(), len(friends)))

進(jìn)行性別、地區(qū)統(tǒng)計(jì)，并將生產(chǎn)的html文件保存到本地。這里沒(méi)什么難度，所以就不詳細(xì)展開(kāi)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(shè)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(rèn)識(shí)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(biāo)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(lèi)的依據(jù)是根據(jù)itchat中的StarFriend和ContactFlag而來(lái)的。根據(jù)經(jīng)驗(yàn)可知，StarFriend為1表示為星標(biāo)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(xiàng)設(shè)置全禁止, 73731表示陌生人。

# 特殊好友分析
def analyze_special_friends():

    # 星標(biāo)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(biāo)好友為1,為0表示非星標(biāo),不存在星標(biāo)選項(xiàng)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(lèi)型及權(quán)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(xiàng)設(shè)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(biāo)", "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(duì)好友個(gè)性簽名進(jìn)行分析，并繪制出詞語(yǔ)。這里比較復(fù)雜，首先將個(gè)性簽名列表轉(zhuǎn)化為字符串，調(diào)用nlp處理接口，對(duì)返回的數(shù)據(jù)進(jìn)行過(guò)濾。同時(shí)，對(duì)短語(yǔ)進(jìn)行分詞，過(guò)濾，詞頻統(tǒng)計(jì)操作。最后，使用pyechart進(jìn)行繪制詞語(yǔ)圖。代碼中注釋非常多，基本都能看懂，所以在此也無(wú)需再詳細(xì)展開(kāi)了。

# 分析個(gè)性簽名
def analyze_signature():

    # 個(gè)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(shù)據(jù)，過(guò)濾為多行的簽名
        if(len(new_signature.split("
")) == 1):
            data.append(new_signature)

    # 將個(gè)性簽名列表轉(zhuǎn)為string
    data = "
".join(data)

    # 進(jìn)行分詞處理，調(diào)用接口進(jìn)行分詞
    # 這里不使用jieba或snownlp的原因是無(wú)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(jié)果json字符串轉(zhuǎn)化為python對(duì)象，并做一些處理
    data = data.split("=====================================")[0]

    # 將分詞結(jié)果轉(zhuǎn)化為list，根據(jù)分詞結(jié)果，可以知道以2個(gè)空格為分隔符
    data = data.split("  ")

    # 對(duì)分詞結(jié)果數(shù)據(jù)進(jìn)行去除一些無(wú)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(guān)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(jìn)行詞頻統(tǒng)計(jì)，結(jié)果存入字典signature_dict中
    signature_dict = {}
    for index, word in enumerate(data):

        print(u"正在統(tǒng)計(jì)好友簽名數(shù)據(jù)，進(jìn)度%d/%d，請(qǐng)耐心等待……" % (index + 1, len(data)))

        if(word in signature_dict.keys()):
            signature_dict[word] += 1
        else:
            signature_dict[word] = 1

    # 開(kāi)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(gè)性簽名詞云圖")
    wordcloud.add("", name, value, shape="star", word_size_range=[1,100])
    wordcloud.render("data/好友個(gè)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(duì)頭像個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，自適應(yīng)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(lái)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(gè)好友頭像
    numPic = len(pics)
    eachsize = int(math.sqrt(float(640 * 640) / numPic))  # 先圈定每個(gè)正方形小頭像的邊長(zhǎng)，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(shí)的左上角橫坐標(biāo)
    y = 0  # 小頭像拼接時(shí)的左上角縱坐標(biāo)

    for index, i in enumerate(pics):

        print(u"正在拼接微信好友頭像數(shù)據(jù)，進(jìn)度%d/%d，請(qǐng)耐心等待……" % (index + 1, len(pics)))

        try:
            # 打開(kāi)圖片
            img = Image.open("image/" + i)
        except IOError:
            print(u"Error: 沒(méi)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(cè)使用人臉作為頭像的好友數(shù)量，這里使用到opencv的人臉檢測(cè)功能，使用opencv默認(rèn)的模型進(jìn)行檢測(cè)。首先載入圖片，并進(jìn)行灰度處理，最后加載人臉識(shí)別模型進(jìn)行檢測(cè)，若檢測(cè)到臉數(shù)大于0，則說(shuō)明存在。同時(shí)要注意的是，對(duì)錯(cuò)誤的頭像要進(jìn)行舍棄操作。

# 檢測(cè)使用真實(shí)人臉的好友個(gè)數(shù)
def detect_human_face():

    # 得到user目錄下的所有文件名稱(chēng)，即各個(gè)好友頭像
    pics = listdir("image")

    # 使用人臉的頭像個(gè)數(shù)
    count_face_image = 0

    # 存儲(chǔ)使用人臉的頭像的文件名
    list_name_face_image = []

    # 加載人臉識(shí)別模型
    face_cascade = CascadeClassifier("model/haarcascade_frontalface_default.xml")

    for index, file_name in enumerate(pics):
        print(u"正在進(jìn)行人臉識(shí)別，進(jìn)度%d/%d，請(qǐng)耐心等待……" % (index+1, len(pics)))
        # 讀取圖片
        img = imread("image/" + file_name)

        # 檢測(cè)圖片是否讀取成功，失敗則跳過(guò)
        if img is None:
            continue

        # 對(duì)圖片進(jìn)行灰度處理
        gray = cvtColor(img, COLOR_BGR2GRAY)
        # 進(jìn)行實(shí)際的人臉檢測(cè)，傳遞參數(shù)是scaleFactor和minNeighbor,分別表示人臉檢測(cè)過(guò)程中每次迭代時(shí)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(shù)據(jù)統(tǒng)計(jì)完后，我們生產(chǎn)一個(gè)總的html網(wǎng)頁(yè)文件，方便我們直接查看。

# 生成一個(gè)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 = """
            
            
            
            
            
            
            
            
            
            
            
            
            
            
            
        """
        f.write(data)

完整版源代碼存放在github上，有需要的可以下載

項(xiàng)目持續(xù)更新，歡迎您star本項(xiàng)目