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。
(资料图片仅供参考)
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。
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。 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） 打开RE，从根目录/下开始，路径为：/data/data/com.tencent.mm/MicroMsg//EnMicroMsg.db，其中，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。
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。
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
代码不作解释了，都是很基础的，有问题欢迎评论。
import pandas as pdimport jiebaimport codecsfrom imageio import imreadimport matplotlib.pyplot as pltfrom wordcloud import ImageColorGeneratorfrom wordcloud import WordClouddef 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 segmentdef 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 Falsedef 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(""): 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()
5、参考
1 、Python 520情人节超强技能 导出微信聊天记录生成词云
