Python分析QQ群聊天记录

Overview

之前,写了这篇文章,用python提取全部群成员的发言时间,并简单做了下分析。先补充一下,针对特定单个群成员(这里以 小小白 为例)消息记录的获取。代码比较简单,主要是正则表达式的书写。(附:聊天文件记录的导出请参考上面提到的文章)

Code

这里有两个版本的,前面的比较简单,后面的一个实现了自动化提取做图。

Version1.0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#2016/9/14
#从QQ聊天数据导出特定人发言的日期时间和发言内容

import re
import xlsxwriter

# 小小白 这里代指你要获取数据的对象的昵称
# 方便起见,见数据导出的文件名也明明为此
workbook = xlsxwriter.Workbook('小小白.xlsx')
worksheet = workbook.add_worksheet()
worksheet.set_column('A:A', 5)
worksheet.set_column('B:B', 10)
worksheet.set_column('C:C', 200)

with open('高等数学.txt',encoding='utf-8') as f:
s = f.read()
# 正则,跨行匹配
pa = re.compile(r'^(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}) 小小白\(小小白的QQ号\)\n(.*?)\n$',re.DOTALL+re.MULTILINE)
ma = re.findall(pa,s)
# print(len(ma))
for i in range(len(ma)):
# print(ma[i][0])
date = ma[i][0]
time = ma[i][1]
word = ma[i][2]

worksheet.write(int(i),0,date)
worksheet.write(int(i),1,time)
worksheet.write(int(i),2,word)

workbook.close()
print("处理完毕,快去看看文件夹下面新建的.xlsx文件吧")

Version2.0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
import re
import matplotlib.pyplot as plt


# 解决matplotlib显示中文的问题
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["Microsoft YaHei"]
mpl.rcParams['axes.unicode_minus'] = False


# 获取24个时间段----->periods
# 用于之后时间的分段
def get_periods():
periods = []
for i in range(0,24):
# 这里的判断用于将类似的‘8’ 转化为 ‘08’ 便于和导出数据匹配
if i < 10:
i = '0'+str(i)
else:
i = str(i)
periods.append(i)
return periods

'''
对QQ群而言的时间提取

# 获取聊天文件的“小时”数据
def get_times(filename):
with open(filename, encoding='utf-8') as f:
data = f.read()
# 例如20:50:52,要匹配其中的20
pa = re.compile(r"(\d\d):\d\d:\d\d")
times = re.findall(pa, data)

return times
'''


# 对每一个时间段进行计数
def classification(times,period):
num = 0
for time in times:
if time == period:
num += 1
period_time.append([period,num])
# print(period, '--->', num)


# 作图

def plot_time(period_time,name):
time = []
num = []
for i in period_time:
time.append(i[0])
num.append(i[1])
time = time[6:24]+time[0:6]
num = num[6:24]+num[0:6]
# print(time,'\n',num)
labels = time
x = [i for i in range(0,24)]
plt.plot(num, 'g')
num_max = max(num)
plt.xticks(x,labels)
plt.axis([00, 24, 0, num_max*(1.2)])
plt.grid(True)
plt.title(name)
plt.ylabel('发言量')
plt.xlabel('时间')
plt.show()

def get_person_data(filename,name,qqnumber):
person_data = {'date':[],'time':[],'word':[]}
with open(filename,encoding='utf-8') as f:
s = f.read()
# 正则,跨行匹配
pa = re.compile(r'^(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}) '+name+r'\('+qqnumber+'\)\n(.*?)\n$',re.DOTALL+re.MULTILINE)
ma = re.findall(pa,s)
# print(len(ma))
for i in range(len(ma)):
# print(ma[i][0])
date = ma[i][0]
time = ma[i][1]
word = ma[i][2]
person_data['date'].append(date)
person_data['time'].append(time[0:2])
person_data['word'].append(word)
return person_data


if __name__=="__main__":
filename = input('请输入聊天记录文件名:')
name = input('准备提取个人信息就绪,请输入要提取人的群名片:')
qqnumber = input('请输入要提取人的QQ号:')
period_time = []
person_data = get_person_data(filename,name,qqnumber)
times = person_data['time']

periods = get_periods()
for period in periods:
classification(times,period)
plot_time(period_time,name)
# print(person_data['word'])

输出:

Supplement

关于Windows下,matplotlib中文显示的问题,参考我之前的这篇文章
至于Ubuntu下,还未去处理,之后有时间补充。

击蒙御寇