大家好，我是机灵鹤。

今天是跟女朋友在一起 10 个月的纪念日，作为一名会 Python 的程序员，我决定将和女朋友的聊天记录导出来，生成一份专属于我们的《2021 恋爱年度报告》。

感兴趣的朋友也可以学起来。

废话不多说，直接进入正题。

0. 导出聊天记录

由于破解微信聊天数据库的操作相对比较敏感，感兴趣的朋友可以移步《》。

经过一系列操作，我从微信数据库中导出了跟女朋友的聊天记录。

聊天记录数据表 message.csv 格式如下。

其中，我们只需要关注以下几列即可。

• type ：消息类型，如 1 表示文字，3 表示图片，47 表示表情包
• status ：消息状态，2 表示发送的消息，4 表示接收的消息
• createTime ：发送时间，毫秒级时间戳
• content ：消息内容
• imgPath ：图片路径，如果是图片消息，则显示图片的 md5 值
• talkerId ：聊天对象的 ID

1. 聊天记录分析

本节中，我会使用 Python 对聊天记录文件进行数据分析，生成数据报告。

首先导入用到的模块，如果没有则需要安装。

# 用于读取和处理csv数据
import pandas as pd
# 用于处理日期，时间戳等数据
import time, datetime
# 用于生成直方图等图表
import matplotlib.pyplot as plt
# 用于对聊天内容进行分词处理
import jieba
# 用于生成词云图
from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator
# 用于统计数组中元素出现次数
from collections import Counter
# 用于正则表达式提取数据
import re

然后读取 message.csv 文件。

# 需要读取的数据列
cols = ["type", "status", "createTime", "content", "imgPath", "talkerId"]
# message.csv 文件所在路径
filename = "src/message.csv"
# 女朋友的talkerId
TalkerID = 162
# 读取文件
data = pd.read_csv(filename, usecols=cols)

1.1 聊天消息概况统计

表中 type 列的值与消息类型对应情况，如下：

注：以上是我通过比对微信聊天记录，大概推测所得，仅供参考，不一定对。

通过以下代码，可以统计得到聊天消息概况。

# 聊天消息总数
chatNum = 0
# 自己发送的消息
sendNum = 0
# 女朋友发送的消息
recvNum = 0
# 自己发送的消息总字数
hhMsgLen = 0
# 女朋友发送的消息总字数
yyMsgLen = 0
# 自己发送的最长消息的字数
hhMaxLen = 0
# 女朋友发送的最长消息的字数
yyMaxLen = 0
# 自己发送的长消息数（字数大于50）
hhLongMsg = 0
# 女朋友发送的长消息数（字数大于50）
yyLongMsg = 0

# 文字消息数
textNum = 0
# 图片消息数
imageNum = 0
# 语音消息数
audioNum = 0
# 视频消息数
videoNum = 0
# 表情包数
emojiNum = 0
# 其他未分类消息
other = 0
# 分享消息数
shareNum = 0
# 发送文件数
fileNum = 0
# 引用回复数
replyNum = 0
# 转账红包数
moneyNum = 0
# 定位消息数
locaNum = 0
# 拍一拍数
pypNum = 0
# 撤回消息数
retrNum = 0

# 统计消息条数
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    # 限定聊天对象是女朋友
    if talkerId == TalkerID:
        chatNum += 1

        if status == 2:
            sendNum += 1
        elif status == 4:
            recvNum +=1
                
        if msgType == 1:
            textNum += 1
            if status == 2:
                hhMsgLen += len(content)
                hhMaxLen = max(hhMaxLen, len(content))
                if len(content) >= 50:
                    hhLongMsg += 1
            elif status == 4:
                yyMsgLen += len(content)
                yyMaxLen = max(yyMaxLen, len(content))
                if len(content) >= 50:
                    yyLongMsg += 1
        elif msgType == 3:
            imageNum += 1
        elif msgType == 34:
            audioNum += 1
        elif msgType == 43:
            videoNum += 1
        elif msgType == 47:
            emojiNum += 1
        # 链接分享，公众号分享，视频号分享，音乐分享等统一计入分享消息数
        elif msgType == 49 or msgType == 486539313 or msgType == 754974769 or msgType == 1040187441:
            shareNum += 1
        elif msgType == 822083633:
            replyNum += 1
        elif msgType == 1090519089:
            fileNum += 1
        elif msgType == 419430449 or msgType == 436207665:
            moneyNum += 1
        elif msgType == 10000:
            retrNum += 1
        elif msgType == 922746929:
            pypNum += 1
        elif msgType == 48 or msgType == -1879048186:
            locaNum += 1
        else:
            other += 1
            
# 打印统计结果
print("聊天记录概况统计\n")
print("消息总条数：", chatNum)
print("---"*10)
print("鹤鹤发的消息数：", sendNum)
print("颖颖发的消息数：", recvNum)
print("鹤鹤发送的总字数：", hhMsgLen)
print("颖颖发送的总字数：", yyMsgLen)
print("鹤鹤发送的长消息数：", hhLongMsg, "，最长消息", hhMaxLen, "字")
print("颖颖发送的长消息数：", yyLongMsg, "，最长消息", yyMaxLen, "字")
print("---"*10)
print("文字：", textNum)
print("表情包：", emojiNum)
print("图片：", imageNum)
print("语音：", audioNum)
print("视频：", videoNum)
print("---"*10)
print("链接分享：", shareNum)
print("引用回复：", replyNum)
print("发送文件：", fileNum)
print("红包转账：", moneyNum)
print("撤回消息：", retrNum)
print("拍一拍：", pypNum)
print("发送定位：", locaNum)
print("---"*10)
print("未分类：", other)

运行结果 ：

聊天记录概况统计

消息总条数： 107456
------------------------------
鹤鹤发的消息数： 51753
颖颖发的消息数： 55692
鹤鹤发送的总字数： 459031
颖颖发送的总字数： 450474
鹤鹤发送的长消息数： 220 ，最长消息 459 字
颖颖发送的长消息数： 64 ，最长消息 254 字
------------------------------
文字： 93334
表情包： 9227
图片： 2452
语音： 186
视频： 212
------------------------------
链接分享： 102
引用回复： 1541
发送文件： 20
红包转账： 30
撤回消息： 227
拍一拍： 102
发送定位： 9
------------------------------
未分类： 14

1.2 聊天时间段分析

根据数据表中的 createTime 字段，可以获取到消息发送的时间，进而可以进行聊天时间段分析。

1.2.1 每天聊天消息数

# 定义字典，键为日期，值为该天聊天消息数
dayMsgDict = {}

# 统计每天的聊天消息数
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID:
        timeArray = time.localtime(createTime/1000)
        date = time.strftime('%Y-%m-%d', timeArray)
        if dayMsgDict.get(date):
            dayMsgDict[date] += 1
        else:
            dayMsgDict.setdefault(date, 1)

# 绘制直方图可视化展示
plt.figure(figsize=(15, 10))
plt.bar(range(len(dayMsgDict.keys())), dayMsgDict.values())
plt.show()

运行结果：

1.2.2 每月的聊天消息数

# 定义数组，从2020年10月起，至2022年1月，共 16 个月
monMsgArray = [0] * 16

# 统计每月的聊天消息数
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID:
        timeArray = time.localtime(createTime/1000)
        if timeArray.tm_year == 2020:
            monMsgArray[timeArray.tm_mon - 10] += 1
        elif timeArray.tm_year == 2021:
            monMsgArray[timeArray.tm_mon + 2] += 1
        if timeArray.tm_year == 2022:
            monMsgArray[-1] += 1

# 绘制直方图可视化展示
plt.figure(figsize=(15, 10))
month_Label = ["20-Oct", "20-Nov", "20-Dec", "Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec", "22-Jan"]
plt.bar(range(len(monMsgArray)), monMsgArray, tick_label=month_Label)
plt.show()

运行结果：

1.2.3 一周的聊天消息数

# 定义数组，从周一到周日，每天的聊天消息数
weekMsgArray = [0] * 7

# 统计从周一到周日，每天的聊天消息数
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID:
        weekday = datetime.datetime.fromtimestamp(createTime/1000).weekday()
        weekMsgArray[weekday] += 1

# 绘制直方图可视化展示
plt.figure(figsize=(15, 10))
weekday_Label = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]
plt.bar(range(len(weekMsgArray)), weekMsgArray, tick_label=weekday_Label)
plt.show()

运行结果：

1.2.4 一天的聊天消息数

# 定义数组，一天24小时
hourMsgArray = [0] * 24

# 统计一天24小时的聊天消息数
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID:
        timeArray = time.localtime(createTime/1000)
        hourMsgArray[timeArray.tm_hour] += 1

# 绘制直方图可视化展示
plt.figure(figsize=(15, 10))
hour_Label = [str(i) for i in range(0, 24)]
plt.bar(range(len(hourMsgArray)), hourMsgArray, tick_label=hour_Label)
plt.show()

运行结果：

1.2.5 一些特别的日子

聊天最多的一天

# 聊天最多的一天，以及这天的聊天消息数
maxDay = 0
maxVal = 0

for key in dayMsgDict:
    if maxVal < dayMsgDict[key]:
        maxDay = key
        maxVal = dayMsgDict[key]

# 打印统计结果
print(maxDay, "这一天，你们无话不谈，聊了", maxVal, "句")

运行结果：

2021-03-28 这一天，你们无话不谈，聊了 909 句

聊天最晚的一天

这里我以凌晨 5 点作为分界点，5 点之前属于晚睡，5 点之后属于早起。

# 聊天最晚的一天
latestDay = None

# 统计聊天最晚的一天
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID:
        timeArray = time.localtime(createTime/1000)
        if timeArray.tm_hour < 5:
            if latestDay == None:
                latestDay = timeArray
                continue

            ts1 = timeArray.tm_hour * 3600 + timeArray.tm_min * 60 + timeArray.tm_sec
            ts2 = latestDay.tm_hour * 3600 + latestDay.tm_min * 60 + latestDay.tm_sec
            if ts1 > ts2:
                latestDay = timeArray

#打印统计结果
Date = time.strftime('%Y-%m-%d', latestDay)
Time = time.strftime('%H点%M分', latestDay)
print(Date, "这一天，你们睡得很晚，凌晨",Time, "仍在聊天")

运行结果：

2021-05-30 这一天，你们睡得很晚，凌晨 04点40分 仍在聊天

起床最早的一天

# 聊天最早的一天
earliestDay = None

# 统计聊天最早的一天
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID:
        timeArray = time.localtime(createTime/1000)
        if timeArray.tm_hour >= 5:
            if earliestDay == None:
                earliestDay = timeArray
                continue

            ts1 = timeArray.tm_hour * 3600 + timeArray.tm_min * 60 + timeArray.tm_sec
            ts2 = earliestDay.tm_hour * 3600 + earliestDay.tm_min * 60 + earliestDay.tm_sec
            if ts1 < ts2:
                earliestDay = timeArray

#打印统计结果
Date = time.strftime('%Y-%m-%d', earliestDay)
Time = time.strftime('%H点%M分', earliestDay)
print(Date, "这一天，你们醒得很早，早上",Time, "便已开启新的一天")

运行结果：

2021-07-11 这一天，你们醒得很早，早上 05点26分 便已开启新的一天

1.3 聊天内容分析

1.3.1 最常说的词语

# 文字消息字符串
msgContent = ""

# 开始统计
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID and msgType == 1:
        msgContent += content
        
# 剔除 Emoji 表情
pattern = re.compile(r"\[.+?\]")
msgContent = pattern.sub(r"", msgContent)

# jieba 分词
msg_all_split = jieba.cut(str(msgContent), cut_all=False)
# 剔除单字
all_ls = [word for word in msg_all_split if len(word)>1]
all_words = ' '.join(all_ls)

# 设置停用词
stopwords = STOPWORDS.copy()
stopwords.add('这个')
stopwords.add('就是')
stopwords.add('什么')
stopwords.add('然后')
stopwords.add('可以')
stopwords.add('没有')
stopwords.add('一个')
stopwords.add('不是')
stopwords.add('感觉')
stopwords.add('时候')
stopwords.add('觉得')

# 生成词云图
wc = WordCloud(width=1960, height=1080, background_color='white', font_path='STKAITI.TTF', stopwords=stopwords, max_font_size=400, random_state=50, collocations=False)
wc.generate_from_text(all_words)

# 词云图显示
plt.figure(figsize=(15, 10))
plt.imshow(wc)
plt.axis('off')
plt.show()

运行结果：

我最常说的词语

# 我发送的文字消息
hhMsgContent = ""

# 开始统计
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID and msgType == 1:
        if status == 2:
            hhMsgContent += content
        
# 剔除 Emoji 表情
pattern = re.compile(r"\[.+?\]")
msgContent = pattern.sub(r"", hhMsgContent)

# jieba 分词
msg_all_split = jieba.cut(str(msgContent), cut_all=False)
# 剔除单字
all_ls = [word for word in msg_all_split if len(word)>1]
all_words = ' '.join(all_ls)

# 设置停用词
stopwords = STOPWORDS.copy()

# 生成词云图
wc = WordCloud(width=1960, height=1080, background_color='white', font_path='STKAITI.TTF', stopwords=stopwords, max_font_size=400, random_state=50, collocations=False)
wc.generate_from_text(all_words)

# 词云图显示
plt.figure(figsize=(15, 10))
plt.imshow(wc)
plt.axis('off')
plt.show()

运行结果：

女朋友最常说的词语

# 女朋友发送的文字消息
yyMsgContent = ""

# 开始统计
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID and msgType == 1:
        if status == 4:
            yyMsgContent += content
        
# 剔除 Emoji 表情
pattern = re.compile(r"\[.+?\]")
msgContent = pattern.sub(r"", yyMsgContent)

# jieba 分词
msg_all_split = jieba.cut(str(msgContent), cut_all=False)
# 剔除单字
all_ls = [word for word in msg_all_split if len(word)>1]
all_words = ' '.join(all_ls)

# 设置停用词
stopwords = STOPWORDS.copy()

# 生成词云图
wc = WordCloud(width=1960, height=1080, background_color='white', font_path='STKAITI.TTF', stopwords=stopwords, max_font_size=400, random_state=50, collocations=False)
wc.generate_from_text(all_words)

# 词云图显示
plt.figure(figsize=(15, 10))
plt.imshow(wc)
plt.axis('off')
plt.show()

运行结果：

1.3.2 最常用的Emoji表情

# 正则表达式，提取聊天文字中的emoji表情
pattern = re.compile(r"\[.+?\]")

# hhMsgContent 为前面统计好的我发的文字消息
hhEmoji = re.findall(pattern, hhMsgContent)
# yyMsgContent 为前面统计好的女朋友发的文字消息
yyEmoji = re.findall(pattern, yyMsgContent)

# 按照出现次数统计
hh = Counter(hhEmoji)
yy = Counter(yyEmoji)

# 打印统计结果
print("鹤鹤发的表情数：", len(hhEmoji))
print("颖颖发的表情数：", len(yyEmoji))
print("---"*10)
print ("鹤鹤最常用的 10 个表情：\n", hh.most_common(10))
print("---"*10)
print ("颖颖最常用的 10 个表情：\n", yy.most_common(10))

运行结果：

鹤鹤发的表情数： 15768
颖颖发的表情数： 21531
------------------------------
鹤鹤最常用的 10 个表情：
 [('[破涕为笑]', 5083), ('[捂脸]', 4792), ('[偷笑]', 1829), ('[让我看看]', 1361), ('[奸笑]', 373), ('[发呆]', 318), ('[嘿哈]', 268), ('[皱眉]', 223), ('[苦涩]', 208), ('[憨笑]', 122)]
------------------------------
颖颖最常用的 10 个表情：
 [('[破涕为笑]', 9462), ('[让我看看]', 5413), ('[捂脸]', 2459), ('[苦涩]', 2062), ('[旺柴]', 944), ('[偷笑]', 231), ('[白眼]', 154), ('[发呆]', 64), ('[奸笑]', 60), ('[666]', 55)]

这样看可能看不出来，复制到微信里，就会显示对应的表情了。

1.3.3 最常发的表情包图片

# 我发送的表情包列表
hhImgList = []
# 女朋友发送的表情包列表
yyImgList = []

# 统计数据
for index, msgType, status, createTime, content, imgPath, talkerId  in data.itertuples():
    if talkerId == TalkerID and msgType == 47:
        if status == 2:
            hhImgList.append(imgPath)
        elif status == 4:
            yyImgList.append(imgPath)
        
# 统计每个表情包出现次数
hhImg = Counter(hhImgList)
yyImg = Counter(yyImgList)

# 打印统计结果
print("鹤鹤共发送了", len(hhImgList), "个表情包")
print("颖颖共发送了", len(yyImgList), "个表情包")
print("---"*10)
print ("鹤鹤表情包前十名：\n", hhImg.most_common(10))
print("---"*10)
print ("颖颖表情包前十名：\n",yyImg.most_common(10))

运行结果：

鹤鹤共发送了 4203 个表情包
颖颖共发送了 5024 个表情包
------------------------------
鹤鹤表情包前十名：
 [('6b5a13890545c9675e6029fbee395560', 319), ('d9f537281429695f9c299049814e3e33', 164), ('8fb0ddeea33701832c86167a141452df', 114), ('25b8abcd5318ded9ade61a6ec1287a95', 91), ('7f69ba3a4ed01d1c16c3b6576c45d24e', 90), ('4ce13465607eb3243d6e80e7a95b838f', 81), ('a9d5dbb4c0fba9a1af0ec2e6e064977b', 80), ('ce58baf1002411bdafd299a689cadfe4', 76), ('c1ed2b89e38cfded0461bc95db1ab522', 75), ('d16c0b43b9ee901d92f9542b1033234a', 70)]
------------------------------
颖颖表情包前十名：
 [('a9d5dbb4c0fba9a1af0ec2e6e064977b', 712), ('477e31cf6e2a747c96e1248a02605756', 352), ('e976c1e3f56a32db3c2f49de72daa616', 215), ('4d21237942192184a4c8a57ab34fb2fa', 183), ('125d7792a060cece7edef87d71b40837', 168), ('4ce13465607eb3243d6e80e7a95b838f', 151), ('7c04a4df048874f088dc8832c45e3fb6', 146), ('b2f427b22d1e581923837acd7165e882', 137), ('6b5a13890545c9675e6029fbee395560', 137), ('b83d0a5929cdf92aeb05eefaf3612bea', 92)]

注：统计得到的 imgPath 值为表情包图片的 MD5 值，对应的表情包可以通过发送时间 createTime，在微信聊天记录中对照着找到。

2. 年度报告

鹤鹤年度表情包前十名

颖颖年度表情包前十名

我是机灵鹤，一个代码写的不错，还有点小浪漫的程序员。