saturn-opposition/wechat_analysis

This is stars and forks stats for /saturn-opposition/wechat_analysis repository. As of 10 May, 2024 this repository has 199 stars and 34 forks.

用python对微信聊天记录进行文本分析 项目结构、所需数据 --data 存放分析所需的数据 --EnMicroMsg.db 从微信中导出的聊天记录数据库 --chat_data.csv 将数据库中的聊天记录存储到csv文件，之后分析都从csv读取数据 --大连理工大学中文情感词汇本体.xlsx 情感词典 --CNstopwords.txt 中文停用词 --simhei.ttf 绘制词云指定的字体 --result 存放分析结果、生成的图片 --gernerate_word_cloud.py 生成词云 --sentiment_snownlp.py 调用snownlp生成情感得分，计算情感均值、作折线图 --sentiment_dict.py 使用大连理工情感词典计算情绪分类，作热力图 --others.py 其他统计 具体步骤 1. 导出聊天记录 参考以下两个博客： ① https://blog.csdn.net/weixin_41746317/article/details/104110161?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7ERate-5-104110161-blog-126700288.pc_relevant_multi_platform_whitelistv3&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7ERate-5-104110161-blog-126700288.pc_relevant_multi_platform_whitelistv3&utm_relevant_index=6 ① https://blog.csdn.net/m0_59452630/article/details/124222235 破译密码如果①的方法没成功可以试试②的 content列：聊天内容 type列：信息类型（1代表文本消息，需要用excel筛选一下之后只分析type=1的数据） isSend列：0代表对方发送的信息，1代表自己发送的信息 createTime：时间（暂时不知道怎么恢复成年月日），但是降序排序以后的顺序是聊天记录由近到远的顺序 自己加了一列newTime，记录聊天记录所在月份，是根据createTime降序排序后，手机上看每月最后几句信息，在excel中搜索，来进行月份划分的 2. 生成词云 调用generate_word_cloud.py 3. 计算情感得分均值，作折线图（使用snownlp） ① 调用get_sentiment_score()函数，将情感得分保存到csv的sentiment_score列中 ② 调用draw()函数，将情感得分随时间变化值保存到result文件夹中 snownlp得到的分值不一定准确，所以send和receive的得分值都差不多，但也有可能日常的交流就是比较中性的，没有什么大起大落的情感 4. 计算情绪分类，作热力图（使用大连理工情感词典） 调用sentiment_dict.py 注意第115行，如果没有匹配到任何情感词，就记为None，绘制热力图的时候会筛掉None的记录 5. 其他统计绘图 others.py