用python做些有意思的事——分析QQ聊天记录——私人订制

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

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）

代码如下：

#//
#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', )
worksheet.set_column('B:B', )
worksheet.set_column('C:C', )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][])
date = ma[i][]
time = ma[i][]
word = ma[i][] worksheet.write(int(i),,date)
worksheet.write(int(i),,time)
worksheet.write(int(i),,word) workbook.close()
print("处理完毕，快去看看文件夹下面新建的.xlsx文件吧")

###########2016/10/18补更###############

小岛台风，待在宿舍无聊，就优化了之前分析QQ聊天记录的代码，综合上文和之前写的那篇文章，做了个私人订制。实现从聊天记录对特定人的发言信息进行提取，并用matplotlib作图，终于不想用excel...

代码比较简单，核心的提取都和之前的一样，这里直接贴出来：

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_dataif __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'])