2020年10月29日，我終于將微信里面的聊天記錄導出成純文本文件了，至于后面的制作詞云圖，就相對簡單了。

現在對這個過程記錄一下，幫助有需要的人。

注意：我的手機是安卓手機，且沒有在其他操作系統上嘗試過下述方法。

(資料圖片僅供參考)

1、基本思路

和網上說的一樣，基本思路就是拿到手機里面存儲聊天記錄的數據庫并解鎖，然后導出成文本文件，接下來怎么分析就全憑所好了。

最耗費時間的，就是拿到并破解聊天數據庫的過程。

2、獲取數據庫文件

微信的聊天記錄在手機上是以SQLite數據庫存儲的。

一般情況下，我們是看不到這個數據庫文件的，除非獲取Root權限。但是，獲取Root權限后會降低手機的安全性，所以現在的安卓手機越來越難以被Root。

為此，就需要“曲線救國”：利用安卓模擬器。

下面是具體的步驟：

將手機上的聊天記錄備份至電腦，這個是微信自帶的功能，只需要按照微信的操作指引即可。

安裝安卓模擬器，我用的是網易mumu，支持mac和win。

打開安卓模擬器，注意，此時不要安裝微信，先完成以下操作： 3.1 獲取Root權限（右上角菜單欄-->系統設置-->開啟ROOT權限）： 3.2 設置IMEI編碼（右上角菜單欄-->系統設置-->屬性設置-->自定義型號-->隨機）： 點擊保存后，模擬器會提示是否重啟，點擊重啟以生效之前的設置。

在模擬器中下載微信（通過模擬器的搜索框直接下載）并登錄微信。在上一步操作過程中，電腦上的微信會因為手機端微信登錄狀態的變化而自動退出，這時需要重新登錄電腦微信。 將備份的電腦端的聊天記錄恢復至模擬器中的手機微信。下載RE文件管理器（通過模擬器的搜索框直接下載） 打開RE，從根目錄/下開始，路徑為：/data/data/com.tencent.mm/MicroMsg//EnMicroMsg.db，其中，為一數字字母組成的字符串，因微信號不同而不同；EnMicroMsg.db就是我們的數據庫文件了。可以將該數據庫文件復制到模擬器的共享文件夾中，這樣，數據庫文件就到了電腦上了。

3、解密

3.1 獲取密碼

微信對該數據庫文件進行了加密，加密規則是：先對IMEI和UIN進行拼接，然后利用MD5算法對拼接后的字符串進行轉換，轉換后的前7位字符為密碼。

IMEI上面已經在模擬器中獲取到了，接下來獲取UIN。

UIN是微信的用戶信息號，許多地方可以獲取到，這里舉一個例子。仍需要回到模擬其中，打開RE，進入到如下目錄：/data/data/com.tencent.mm/shared_prefs，然后直接用RE打開其中的system_config_prefs.xml，找到其中的name為default_uin的標簽所對應的value的值，就是UIN。

拿到兩個編號之后，將它們按照IMEI+UIN的順序拼接（注意，沒有+號），然后進行在線MD5轉換，轉換后，取前7個字符。

3.2 打開數據庫

盡管獲取了密碼，但并不能向其他數據庫一樣用密碼登錄即可（你可以嘗試一下用Navicat進行登錄看看是否成功），這是由于微信使用了SQLCipher對其進行了加密。如果熟悉SQLCipher的使用，可以下載源碼，依據3.1得到的密碼，用命令行進行解密。

我不熟悉，所以，可以用到別人的工具進行解密。

該工具是一個.exe文件，因此，必須在windows操作系統中運行。軟件打開之后使用起來應該沒什么難度，選擇File-->Open database-->選擇數據庫文件，然后彈窗就讓你輸入密碼了，輸入7個字符的密碼即可打開數據庫。

打開之后，里面的表有很多，主要用到的是一張名為message的表，從名字就知道了它存儲的是聊天記錄。

4、制作詞云

其實導出成csv文件之后，想基于這個文件做什么操作反而就比較簡單了，這里只是記錄一下。

4.1 文件轉碼

導出成的csv文件的編碼需要轉換成utf-8，這一點要記住。

4.2 python代碼

代碼不作解釋了，都是很基礎的，有問題歡迎評論。

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):    """導入文件并分詞"""    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):    """統計詞頻"""    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):    """數據的預處理"""    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("歡迎你再次回到微信"):            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")  # 使用一張圖片為模板    wordcloud = WordCloud(background_color="white", mask=bimg, font_path="AquaKana.ttc")  # 注意字體    wordcloud = wordcloud.fit_words(words_count)    bimgColors = ImageColorGenerator(bimg)    plt.axis("off")    plt.imshow(wordcloud.recolor(color_func=bimgColors))    plt.show()

5、參考

1 、Python 520情人節超強技能 導出微信聊天記錄生成詞云