- 原项目: LC044/WeChatMsg
- 原作者: LC044
- 开源协议: GNU General Public License v3.0 (GPL-3.0)
- Fork时间: 2024年
本项目为原项目的学习研究版本,主要用于:
- 学习微信数据库的解密和数据提取
- 研究数据可视化和统计分析技术
- 了解GUI应用的开发方法
本项目仅供学习研究使用,请勿用于非法用途。使用本项目所产生的一切后果由使用者自行承担。
fork-WeChatMsg是微信PC端消息记录导出与分析工具,支持导出聊天记录、联系人、图片视频等数据,并提供数据统计和可视化分析功能。
graph TB
subgraph "数据获取层"
WeChatDB[微信数据库]
KeyExtract[密钥提取]
DBDecrypt[数据库解密]
end
subgraph "数据处理层"
DataParser[数据解析]
MsgParser[消息解析]
MediaParser[媒体解析]
ContactParser[联系人解析]
end
subgraph "分析统计层"
WordCloud[词云生成]
ChatAnalysis[聊天分析]
UserAnalysis[用户分析]
TimeAnalysis[时间分析]
end
subgraph "导出输出层"
HTMLExport[HTML导出]
CSVExport[CSV导出]
PDFExport[PDF导出]
ChartExport[图表导出]
end
subgraph "界面层"
GUIClient[图形界面]
CLI[命令行工具]
end
WeChatDB --> KeyExtract
KeyExtract --> DBDecrypt
DBDecrypt --> DataParser
DataParser --> MsgParser
DataParser --> MediaParser
DataParser --> ContactParser
MsgParser --> WordCloud
MsgParser --> ChatAnalysis
MsgParser --> UserAnalysis
MsgParser --> TimeAnalysis
ChatAnalysis --> HTMLExport
ChatAnalysis --> CSVExport
ChatAnalysis --> PDFExport
ChatAnalysis --> ChartExport
GUIClient --> DataParser
CLI --> DataParser
本项目仅供个人学习和研究使用,请勿用于非法用途。使用本项目所产生的一切后果由使用者自行承担。
- Python 3.8+
- 微信PC版(最新版本)
# 1. 克隆项目
git clone https://github.com/yourusername/fork-WeChatMsg.git
# 2. 安装依赖
pip install -r requirements.txt
# 3. 运行图形界面
python main.py
# 4. 运行命令行工具
python main_cli.py --help| 技术 | 版本 | 说明 |
|---|---|---|
| Python | 3.8+ | 编程语言 |
| PyQt5 | 5.x | GUI框架 |
| SQLite | - | 数据库 |
| jieba | - | 中文分词 |
| WordCloud | - | 词云生成 |
| Matplotlib | - | 数据可视化 |
| Pandas | - | 数据分析 |
fork-WeChatMsg/
├── app/
│ ├── ui/ # 图形界面
│ │ ├── main_window.py
│ │ ├── chat_window.py
│ │ └── analysis_window.py
│ ├── analysis/ # 数据分析
│ │ ├── wordcloud.py # 词云分析
│ │ ├── chat_analysis.py # 聊天分析
│ │ └── user_analysis.py # 用户分析
│ ├── export/ # 数据导出
│ │ ├── html_export.py
│ │ ├── csv_export.py
│ │ └── pdf_export.py
│ ├── decrypt/ # 数据解密
│ │ ├── get_key.py # 获取密钥
│ │ └── decrypt_db.py # 解密数据库
│ └── util/ # 工具函数
│ ├── database.py
│ └── parser.py
├── resource/ # 资源文件
├── tests/ # 测试代码
├── main.py # 图形界面入口
├── main_cli.py # 命令行入口
└── requirements.txt # 依赖配置
import hashlib
class WeChatDecryptor:
"""微信数据库解密器"""
def __init__(self):
self.key = None
def get_wechat_key(self):
"""获取微信数据库密钥"""
# 从微信进程内存中提取密钥
# 具体实现涉及内存读取和解析
pass
def decrypt_database(self, db_path: str, output_path: str):
"""解密微信数据库"""
# 使用获取的密钥解密数据库
import pysqlcipher3.dbapi2 as sqlite
conn = sqlite.connect(db_path)
cursor = conn.cursor()
# 设置密钥
cursor.execute(f"PRAGMA key = 'x\'{self.key}\''")
# 导出解密后的数据库
cursor.execute("ATTACH DATABASE '{}' AS plaintext KEY ''".format(output_path))
cursor.execute("SELECT sqlcipher_export('plaintext')")
conn.close()from dataclasses import dataclass
from datetime import datetime
from typing import List, Optional
@dataclass
class WeChatMessage:
"""微信消息数据结构"""
msg_id: int
talker: str # 聊天对象
sender: str # 发送者
content: str # 消息内容
msg_type: int # 消息类型
create_time: datetime # 创建时间
media_path: Optional[str] # 媒体路径
class MessageParser:
"""消息解析器"""
def __init__(self, db_path: str):
self.db_path = db_path
def parse_messages(self, talker: str) -> List[WeChatMessage]:
"""解析指定聊天对象的所有消息"""
import sqlite3
conn = sqlite3.connect(self.db_path)
cursor = conn.cursor()
# 查询消息记录
cursor.execute(
"""SELECT msgId, talker, sender, content, type, createTime, mediaPath
FROM MSG WHERE talker = ?
ORDER BY createTime ASC""",
(talker,)
)
messages = []
for row in cursor.fetchall():
message = WeChatMessage(
msg_id=row[0],
talker=row[1],
sender=row[2],
content=row[3],
msg_type=row[4],
create_time=datetime.fromtimestamp(row[5]),
media_path=row[6]
)
messages.append(message)
conn.close()
return messages
def parse_contacts(self) -> List[dict]:
"""解析联系人列表"""
import sqlite3
conn = sqlite3.connect(self.db_path)
cursor = conn.cursor()
cursor.execute("SELECT * FROM Contact")
contacts = []
for row in cursor.fetchall():
contact = {
'username': row[0],
'alias': row[1],
'nickname': row[2],
'remark': row[3]
}
contacts.append(contact)
conn.close()
return contactsfrom wordcloud import WordCloud
import jieba
from collections import Counter
class ChatAnalyzer:
"""聊天数据分析器"""
def __init__(self, messages: List[WeChatMessage]):
self.messages = messages
def generate_wordcloud(self, output_path: str):
"""生成词云"""
# 合并所有消息内容
text = ' '.join([msg.content for msg in self.messages])
# 中文分词
words = jieba.cut(text)
word_list = ' '.join(words)
# 生成词云
wordcloud = WordCloud(
font_path='simhei.ttf',
width=800,
height=600,
background_color='white'
).generate(word_list)
# 保存词云图片
wordcloud.to_file(output_path)
def analyze_by_time(self) -> dict:
"""按时间分析聊天频率"""
time_stats = {}
for msg in self.messages:
hour = msg.create_time.hour
time_stats[hour] = time_stats.get(hour, 0) + 1
return time_stats
def analyze_by_user(self) -> dict:
"""按用户分析消息数量"""
user_stats = {}
for msg in self.messages:
user_stats[msg.sender] = user_stats.get(msg.sender, 0) + 1
return user_stats
def get_most_common_words(self, top_n: int = 20) -> List[tuple]:
"""获取最常用的词汇"""
# 合并所有消息内容
text = ' '.join([msg.content for msg in self.messages])
# 中文分词
words = jieba.cut(text)
# 过滤停用词
with open('stopwords.txt', 'r', encoding='utf-8') as f:
stopwords = set(f.read().splitlines())
filtered_words = [word for word in words
if word not in stopwords and len(word) > 1]
# 统计词频
word_counts = Counter(filtered_words)
return word_counts.most_common(top_n)import pandas as pd
from datetime import datetime
class DataExporter:
"""数据导出器"""
def export_to_html(self, messages: List[WeChatMessage], output_path: str):
"""导出为HTML格式"""
html_template = """
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>微信聊天记录</title>
<style>
.message {{
margin: 10px 0;
padding: 10px;
border-radius: 5px;
}}
.sent {{
background-color: #95EC69;
text-align: right;
}}
.received {{
background-color: #FFFFFF;
text-align: left;
}}
</style>
</head>
<body>
<h1>微信聊天记录导出</h1>
<div class="chat-container">
{messages}
</div>
</body>
</html>
"""
messages_html = ""
for msg in messages:
msg_class = "sent" if msg.sender == "self" else "received"
messages_html += f"""
<div class="message {msg_class}">
<div class="time">{msg.create_time.strftime('%Y-%m-%d %H:%M:%S')}</div>
<div class="content">{msg.content}</div>
</div>
"""
html_content = html_template.format(messages=messages_html)
with open(output_path, 'w', encoding='utf-8') as f:
f.write(html_content)
def export_to_csv(self, messages: List[WeChatMessage], output_path: str):
"""导出为CSV格式"""
data = []
for msg in messages:
data.append({
'消息ID': msg.msg_id,
'聊天对象': msg.talker,
'发送者': msg.sender,
'消息内容': msg.content,
'消息类型': msg.msg_type,
'创建时间': msg.create_time.strftime('%Y-%m-%d %H:%M:%S'),
'媒体路径': msg.media_path
})
df = pd.DataFrame(data)
df.to_csv(output_path, index=False, encoding='utf-8-sig')
def export_to_pdf(self, messages: List[WeChatMessage], output_path: str):
"""导出为PDF格式"""
from reportlab.lib.pagesizes import A4
from reportlab.pdfgen import canvas
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
# 注册中文字体
pdfmetrics.registerFont(TTFont('SimHei', 'simhei.ttf'))
c = canvas.Canvas(output_path, pagesize=A4)
c.setFont('SimHei', 12)
y_position = 750
for msg in messages:
# 检查是否需要换页
if y_position < 50:
c.showPage()
c.setFont('SimHei', 12)
y_position = 750
# 绘制消息
text = f"{msg.create_time.strftime('%Y-%m-%d %H:%M:%S')} - {msg.sender}: {msg.content}"
c.drawString(50, y_position, text[:50]) # 限制每行长度
y_position -= 20
c.save()from PyQt5.QtWidgets import QMainWindow, QApplication
from PyQt5.QtCore import Qt
class MainWindow(QMainWindow):
"""主窗口"""
def __init__(self):
super().__init__()
self.setWindowTitle("微信消息导出工具")
self.setGeometry(100, 100, 800, 600)
# 初始化界面
self.init_ui()
def init_ui(self):
"""初始化界面组件"""
# 创建菜单栏
menubar = self.menuBar()
# 文件菜单
file_menu = menubar.addMenu('文件')
import_action = QAction('导入数据库', self)
import_action.triggered.connect(self.import_database)
file_menu.addAction(import_action)
export_action = QAction('导出数据', self)
export_action.triggered.connect(self.export_data)
file_menu.addAction(export_action)
# 创建工具栏
toolbar = self.addToolBar('工具')
# 添加按钮
decrypt_btn = QPushButton('解密数据库')
decrypt_btn.clicked.connect(self.decrypt_database)
toolbar.addWidget(decrypt_btn)
analyze_btn = QPushButton('数据分析')
analyze_btn.clicked.connect(self.analyze_data)
toolbar.addWidget(analyze_btn)
def import_database(self):
"""导入数据库"""
file_path, _ = QFileDialog.getOpenFileName(
self, '选择数据库文件', '', 'Database Files (*.db)'
)
if file_path:
# 处理数据库导入
pass
def export_data(self):
"""导出数据"""
file_path, _ = QFileDialog.getSaveFileName(
self, '保存文件', '', 'HTML Files (*.html);;CSV Files (*.csv)'
)
if file_path:
# 处理数据导出
pass
def decrypt_database(self):
"""解密数据库"""
# 调用解密模块
pass
def analyze_data(self):
"""数据分析"""
# 调用分析模块
pass
if __name__ == '__main__':
app = QApplication(sys.argv)
window = MainWindow()
window.show()
sys.exit(app.exec_())
- 数据解密: 自动获取密钥并解密微信数据库
- 多格式导出: 支持HTML/CSV/PDF等多种格式
- 数据分析: 词云、聊天频率、用户分析等
- 图形界面: 友好的PyQt5图形界面
- 命令行: 支持命令行批量操作
- 媒体导出: 支持图片、视频、语音导出
- ✨ 初始版本发布
- ✨ 完成数据库解密功能
- ✨ 完成消息解析功能
- ✨ 完成数据导出功能
- ✨ 完成数据分析功能
- ✨ 完成图形界面
欢迎贡献代码!请遵循以下步骤:
- Fork本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 提交Pull Request
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情
项目维护者: JOSP Team
⭐ 如果这个项目对你有帮助,欢迎Star支持!