用Python抓取朋友圈数据，通过人脸识别全面分析好友！看透朋友圈

概述微信：一个提供即时通讯服务的应用程序，更是一种生活方式，超过数十亿的使用者，越来越多的人选择使用它来沟通交流。

微信：一个提供即时通讯服务的应用程序，更是一种生活方式，超过数十亿的使用者，越来越多的人选择使用它来沟通交流。

不知从何时起，我们的生活离不开微信，每天睁开眼的第一件事就是打开微信，关注着朋友圈里好友的动态，而朋友圈中或虚或实的状态更新，似乎都在证明自己的“有趣”，寻找那份或有或无的存在感。

进群：548377875   即可获取数十套pdf哦！

获取数据 处理数据 存储数据 数据可视化

一、获取数据

​ 关于微信好友数据的获取，可以通过itchat库，itchat是一个开源的微信个人号的接口，可以实现信息收发、获取好友列表等功能。

​ 具体的用法和说明，在代码中已经做了详细的注释。

#!/usr/bin/env python3# -*- Coding: utf-8 -*-__author__ = '汤小洋'# 导入itchat模块， *** 作微信个人号的接口import itchat# 获取数据def get_data(): # 扫描二维码登陆微信，实际上就是通过网页版微信登陆 itchat.auto_login() # 获取所有好友信息 frIEnds = itchat.get_frIEnds(update=True) # 返回一个包含用户信息字典的列表 return frIEndsif __name__ == '__main__': print(get_data())

​ 执行代码时电脑屏幕会出现一个二维码，手机微信扫描后即可完成登陆

二维码就不带了！

二、处理数据

​ 对获取的数据进行处理，筛选出需要的数据。

​ 通过对返回的用户信息进行分析，发现列表中第一个元素是用户自己，可以排除掉。同时我们只取需要的字段数据，各个字段及其取值的含义已在代码中做了说明。

# 处理数据def parse_data(data): frIEnds = [] for item in data[1:]: # 第一个元素是自己，排除掉 frIEnd = { 'Nickname': item['Nickname'],# 昵称 'Remarkname': item['Remarkname'],# 备注名 'Sex': item['Sex'],# 性别：1男，2女，0未设置 'Province': item['Province'],# 省份 'City': item['City'],# 城市 'Signature': item['Signature'].replace('',' ').replace(',',' '),# 个性签名（处理签名内容换行的情况） 'StarFrIEnd': item['StarFrIEnd'],# 星标好友：1是，0否 'ContactFlag': item['ContactFlag'] # 好友类型及权限：1和3好友，259和33027不让他看我的朋友圈，65539不看他的朋友圈，65795两项设置全禁止 } print(frIEnd) frIEnds.append(frIEnd) return frIEndsif __name__ == '__main__': print(parse_data(get_data()))

三、存储数据

​ 为了便于分析数据并进行可视化 *** 作，这里将数据存储到文本文件中。

# 存储数据，存储到文本文件def save_to_txt(): frIEnds = parse_data(get_data()) for item in frIEnds: with open('frIEnds.txt',mode='a',enCoding='utf-8') as f: f.write('%s,%s,%d,%d' % ( item['Nickname'],item['Remarkname'],item['Sex'],item['Province'],item['City'],item['Signature'],item['StarFrIEnd'],item['ContactFlag']))if __name__ == '__main__': save_to_txt()

​ 重要说明： 这里我获取的是自己的微信好友数据（共计950条，因工作关系，好友数比较多），考虑到个人隐私，部分信息做了处理。

四、数据可视化

​ 这里使用的是pyecharts，pyecharts是一个用于生成Echarts图表的类库，便于在Python中根据数据生成可视化的图表。

​ Echarts是百度开源的一个数据可视化Js库，主要用于数据可视化。

​ 参考： http://pyecharts.org/

# 安装pyechartspip install pyecharts

1. 好友性别分析

​ 代码实现：

#!/usr/bin/env python3# -*- Coding: utf-8 -*-__author__ = '汤小洋'# 导入PIE组件，用于生成饼图from pyecharts import PIE# 获取所有性别sex = []with open('frIEnds.txt',mode='r',enCoding='utf-8') as f: rows = f.readlines() for row in rows: sex.append(row.split(',')[2])# print(sex)# 统计每个性别的数量attr = ['帅哥','美女','未知']value = [sex.count('1'),sex.count('2'),sex.count('0')]pIE = PIE('好友性别比例','好友总人数：%d' % len(sex),Title_pos='center')pIE.add('',attr,value,radius=[30,75],rosetype='area',is_label_show=True,is_legend_show=True,legend_top='bottom')# pIE.show_config()pIE.render('好友性别比例.HTML')

可视化结果：

好友主要为男性，占比70%，男女比例严重失衡

看到这个结果，我是有些淡淡忧桑的，微信好友总人数为950，帅哥占比70.42%，美女占比24.53%，男女比例严重失衡，但一点也不意外，本人是一名IT工作者，平时喜欢跑步，所以工作、生活接触到的大部分都是男性朋友，出现男女比例失衡实属正常。

2. 好友位置分析

pyecharts v0.3.2以后，pyecharts 将不再自带地图 Js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。

# 安装地图文件包pip install echarts-china-provinces-pypkg # 中国省、市、县、区地图pip install echarts-china-citIEs-pypkgpip install echarts-china-countIEs-pypkgpip install echarts-china-misc-pypkg pip install echarts-countrIEs-pypkg # 全球国家地图pip install echarts-united-kingdom-pypkg

代码实现：

# 导入Counter类，用于统计值出现的次数from collections import Counter# 导入Geo组件，用于生成地理坐标类图from pyecharts import Geoimport Json# 导入bar组件，用于生成柱状图from pyecharts import bar# 数据可视化def render(): # 获取所有城市 citIEs = [] with open('frIEnds.txt',enCoding='utf-8') as f: rows = f.readlines() for row in rows: city = row.split(',')[4] if city != '': # 去掉城市名为空的值 citIEs.append(city) # 对城市数据和坐标文件中的地名进行处理 handle(citIEs) # 统计每个城市出现的次数 data = Counter(citIEs).most_common() # 使用Counter类统计出现的次数，并转换为元组列表 print(data) # 根据城市数据生成地理坐标图 geo = Geo('好友位置分布','',Title_color='#fff',Title_pos='center',wIDth=1200,height=600,background_color='#404a59') attr,value = geo.cast(data) geo.add('',visual_range=[0,500],visual_text_color='#fff',symbol_size=15,is_visualmap=True,is_pIEcewise=True) geo.render('好友位置分布.HTML') # 根据城市数据生成柱状图 data_top20 = Counter(citIEs).most_common(20) # 返回出现次数最多的20条 bar = bar('好友所在城市top20',height=600) attr,value = bar.cast(data_top20) bar.add('',is_more_utils=True,is_label_show=True) bar.render('好友所在城市top20.HTML')

出现的问题：

报错：ValueError: No coordinate is specifIEd for xxx(地名) 原因：pyecharts的坐标文件中没有该地名，实际上是名称不一致导致的，如数据中地名为'达州'，而坐标文件中为'达州市' 坐标文件所在路径： 项目/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.Json 解决：修改坐标文件，在原位置下复制个同样的，然后修改下地名

{ "南京市": [ 107.5,31.22 ],"南京": [ 107.5,}

不过由于要修改的地名太多，上面的方法实在是麻烦，所以我定义了一个函数，用来处理地名数据找不到的问题

# 处理地名数据，解决坐标文件中找不到地名的问题def handle(citIEs): # print(len(citIEs),len(set(citIEs))) # 获取坐标文件中所有地名 data = None with open( '/Users/wangbo/PycharmProjects/python-spIDer/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.Json',enCoding='utf-8') as f: data = Json.loads(f.read()) # 将str转换为Json # 循环判断处理 data_new = data.copy() # 拷贝所有地名数据 for city in set(citIEs): # 使用set去重 # 处理地名为空的数据 if city == '': while city in citIEs: citIEs.remove(city) count = 0 for k in data.keys(): count += 1 if k == city: break if k.startswith(city): # 处理简写的地名，如 达州市 简写为 达州 # print(k,city) data_new[city] = data[k] break if k.startswith(city[0:-1]) and len(city) >= 3: # 处理行政变更的地名，如县改区 或 县改市等 data_new[city] = data[k] break # 处理不存在的地名 if count == len(data): while city in citIEs: citIEs.remove(city) # print(len(data),len(data_new)) # 写入覆盖坐标文件 with open( '/Users/wangbo/PycharmProjects/python-spIDer/venv/lib/python3.6/site-packages/pyecharts/datasets/city_coordinates.Json',mode='w',enCoding='utf-8') as f: f.write(Json.dumps(data_new,ensure_ascii=False)) # 将Json转换为str

可视化结果：

好友主要集中在江苏及周边地区

从图中可以发现：我的微信好友主要集中在江苏及周边地区，本人大学读书时来到南京，现在工作生活也一直在南京，所以南京好友最多，为483个；我自小在徐州长大，所以徐州好友数量也较多；同时因为喜欢跑步，结识了许多跑友，也经常会到周边沿海城市参加各种马拉松活动，所以好友位置主要分布在沿海一带。

3. 个性签名词云图

​ jIEba是一个基于Python的分词库，完美支持中文分词，功能强大

pip install jIEba

​ Matplotlib是一个Python的2D绘图库，能够生成高质量的图形，可以快速生成绘图、直方图、功率谱、柱状图、误差图、散点图等

pip install matplotlib

​ wordcloud是一个基于Python的词云生成类库，可以生成词云图

pip install wordcloud

​ 代码实现：

#!/usr/bin/env python3# -*- Coding: utf-8 -*-__author__ = '汤小洋'# 导入jIEba模块，用于中文分词import jIEba# 导入matplotlib，用于生成2D图形import matplotlib.pyplot as plt# 导入wordcount，用于制作词云图from wordcloud import WordCloud,StopWORDS# 获取所有个性签名signatures = []with open('frIEnds.txt',enCoding='utf-8') as f: rows = f.readlines() for row in rows: signature = row.split(',')[5] if signature != '': signatures.append(signature)# 设置分词split = jIEba.cut(str(signatures),cut_all=False) # False精准模式分词、True全模式分词words = ' '.join(split) # 以空格进行拼接# print(words)# 设置屏蔽词，去除个性签名中的表情、特殊符号等stopwords = StopWORDS.copy()stopwords.add('span')stopwords.add('class')stopwords.add('emoji')stopwords.add('emoji1f334')stopwords.add('emoji1f388')stopwords.add('emoji1f33a')stopwords.add('emoji1f33c')stopwords.add('emoji1f633')# 导入背景图bg_image = plt.imread('bg.jpg')# 设置词云参数，参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小wc = WordCloud(wIDth=1024,height=768,background_color='white',mask=bg_image,Font_path='STKAITI.TTF',stopwords=stopwords,max_Font_size=400,random_state=50)# 将分词后数据传入云图wc.generate_from_text(words)plt.imshow(wc) # 绘制图像plt.axis('off') # 不显示坐标轴# 保存结果到本地wc.to_file('个性签名词云图.jpg')

可视化结果：

充满正能量、努力生活

​ 个性签名可以反映人的一种心态，对所有好友的个性签名进行分词后制作如下词云图：

​ 从词云图中可以看到，微信好友个性签名中出现频率较高的词汇有：自己、努力、生活、世界、就是、我们、人生、没有、需要、不要、时间、一切、一起、永远、未来、运动、快乐、温柔、个性等，整体来看，我的微信好友还是充满正能量的，都是积极向上、努力生活、有个性的年青人。

​ 我们可以来详细的分析下这些高频词：

自己、就是、我们、个性： 彰显个性的自我、自以为是、自大等，也说明了年青人的个性张扬、无所畏惧 努力、生活、时间、需要： 说明大家都在努力的工作，追求各自所需，为更好的生活拼博着 世界、人生、快乐、未来： 正所谓“世界那么大，我想去看看”，生活虽不易，但对外面的世界、对人生的追求从未停止过，快乐最重要 运动、健康、温柔、享受： 说明喜欢运动的朋友比较多，大家都越来越关注健康。温柔、享受也成为共识，活着不易，且活且享受。

4. 备注名词云图

​ 获取好友的备注名，根据备注名生成词名图

​ 代码实现：

#!/usr/bin/env python3# -*- Coding: utf-8 -*-__author__ = '汤小洋'# 导入jIEba模块，用于中文分词import jIEba# 导入matplotlib，用于生成2D图形import matplotlib.pyplot as plt# 导入wordcount，用于制作词云图from wordcloud import WordCloud,StopWORDS# 获取备注名remarknames = []with open('frIEnds.txt',enCoding='utf-8') as f: rows = f.readlines() for row in rows: remarkname = row.split(',')[1] if remarkname != '': remarknames.append(remarkname)# 设置分词split = jIEba.cut(str(remarknames),cut_all=False) # False精准模式分词、True全模式分词words = ' '.join(split) # 以空格进行拼接print(words)# 导入背景图bg_image = plt.imread('bg.jpg')# 设置词云参数，参数分别表示：画布宽高、背景颜色、背景图形状、字体、屏蔽词、最大词的字体大小wc = WordCloud(wIDth=1024,random_state=50)# 将分词后数据传入云图wc.generate_from_text(words)plt.imshow(wc) # 绘制图像plt.axis('off') # 不显示坐标轴# 保存结果到本地wc.to_file('备注名词云图.jpg')

可视化结果：

好友备注中“跑友”、“南航”出现的频率最高

​ 从图中可以看出，我的好友备注中出现的高频词有：跑友、南航、wbs17091、wbs18031、wbs17022、wbs17071等

本人平时喜欢跑步，也经常参加各种马拉松活动，认识的跑友比较多，所以不足为奇 由于工作上与南航有一定的交集，所以南航的好友也比较多 以wbs开头的备注都是我工作中带过的学生，数量众多，身为一名IT教育工作者，深感光荣。 重要说明：考虑个人隐私，图中部分姓名做了化名处理，请勿当真，如有不便，还望谅解。

5. 好友分类分析

​ 根据备注名，对好友进行分类，统计各类好友的数量

​ PS：我的习惯是对好友添加备注，标记好友的类型或来源，这属于个人洁癖的一种吧

​ 代码实现：

#!/usr/bin/env python3# -*- Coding: utf-8 -*-__author__ = '汤小洋'# 导入jIEba模块，用于中文分词import jIEba# 导入Counter类，用于统计值出现的次数from collections import Counterfrom pyecharts import bar# 获取备注名remarknames = []with open('frIEnds.txt',')[1] if remarkname != '': remarknames.append(remarkname)# 设置分词words = [x for x in jIEba.cut(str(remarknames),cut_all=False) if x not in ['-','(',')','（','）',' ',"'"]] # 排除短横线、逗号、空格、单引号data_top10 = Counter(words).most_common(10) # 返回出现次数最多的20条print(data_top10)bar = bar('好友分类top10',height=600)attr,value = bar.cast(data_top10)bar.add('',200],is_label_show=True)bar.render('好友分类top10.HTML')

可视化结果：

学生最多，其次是跑友

这里只统计好友分类数量最多的前10，其中跑友160人，南航52人，其他的都是wbs开头的学生，实际上wbs开头的学生数是最多的，只是在备注时按班级号进行了划分。

通过分析统计，自己对各类好友的数量也做到了心中有数。

6. 特殊好友分析

​ 获取并统计以下的特殊好友： 星标好友 、 不让他看我的朋友圈 、 不看他的朋友圈

​ 代码实现：

#!/usr/bin/env python3# -*- Coding: utf-8 -*-__author__ = '汤小洋'from pyecharts import bar# 获取特殊好友star_List = [] # 星标朋友deny_see_List = [] # 不让他看我的朋友圈no_see_List = [] # 不看他的朋友圈with open('frIEnds.txt',enCoding='utf-8') as f: rows = f.readlines() for row in rows: # # 获取好友名称 name = row.split(',')[1] if row.split(',')[1] != '' else row.split(',')[0] # 获取星标朋友 star = row.split(',')[6] if star == '1': star_List.append(name) # 获取设置了朋友圈权限的朋友 flag = row.split(',')[7].replace('','') if flag in ['259','33027','65795']: deny_see_List.append(name) if flag in ['65539','65795']: no_see_List.append(name)print('星标好友：',star_List)print('不让他看我的朋友圈：',deny_see_List)print('不看他的朋友圈：',no_see_List)attr = ['星标朋友','不让他看我的朋友圈','不看他的朋友圈']value = [len(star_List),len(deny_see_List),len(no_see_List)]bar = bar('特殊好友分析',Title_pos='center')bar.add('',is_label_show=True)bar.render('特殊好友分析.HTML')

可视化结果：

特殊好友。。。你懂的

从上图中可以发现：

星标好友有4个，主要是特别关注的好友，个人觉得比较重要的朋友 不让他看我的朋友圈有30个，这类好友一般是比较陌生的人，了解较少，当然也有个别是觉得不太方便的 不看他的朋友圈有8个，这类基本上都是只在朋友圈发广告的，除了广告没有别的内容，而且每次连续性的发多条，看着确实有些烦

补充说明：在代码中有对特殊好友的姓名也进行了输出显示，大家在运行代码时可以在控制台查看特殊好友具体是谁

7. 好友头像分析

​ 使用腾讯优图提供的人脸识别技术，对头像进行检测和分析，相关API接口及使用请参考：https://open.youtu.qq.com/legency/#/develop/new-join

​ 首先获取所有好友的头像：

import itchatimport os# 获取数据def get_image(): itchat.auto_login() frIEnds = itchat.get_frIEnds(update=True) # 在当前位置创建一个用于存储头像的目录headImages base_path = 'headImages' if not os.path.exists(base_path): os.mkdir(base_path) # 获取所有好友头像 for frIEnd in frIEnds: img_data = itchat.get_head_img(username=frIEnd['Username']) # 获取头像数据 img_name = frIEnd['Remarkname'] if frIEnd['Remarkname'] != '' else frIEnd['Nickname'] img_file = os.path.join(base_path,img_name + '.jpg') print(img_file) with open(img_file,'wb') as file: file.write(img_data)if __name__ == '__main__': get_data()

​ 对头像进行人脸检测，检测头像图片中是否存在人脸，统计使用人脸作用头像的占比。

​ 补充说明：

使用腾讯优图相关服务需要在其平台上申请开发者账户，并获取审核后的密钥，具体步骤参考官网 在进行人脸检测时速度会比较慢，头像数量不同需要等待的时间也会有所不同，我的好友有900多，大概花了10分钟左右

# 导入腾讯优图，用来实现人脸检测等功能import TencentYoutuyunfrom pyecharts import PIEdef analyse_data(): # 向腾讯优图平台申请的开发密钥，此处需要替换为自己的密钥 appID = '********' secret_ID = '************************' secret_key = '************************' userID = '******** end_point = TencentYoutuyun.conf.API_YOUTU_END_POINT # 优图开放平台 youtu = TencentYoutuyun.YouTu(appID,secret_ID,secret_key,userID,end_point) use_face = 0 not_use_face = 0 base_path = 'headImages' for file_name in os.Listdir(base_path): result = youtu.DetectFace(os.path.join(base_path,file_name)) # 人脸检测与分析 # print(result) # 参考 https://open.youtu.qq.com/legency/#/develop/API-face-analysis-detect # 判断是否使用人像 if result['errorcode'] == 0: # errorcode为0表示图片中存在人像 use_face += 1 gender = '男' if result['face'][0]['gender'] >= 50 else '女' age = result['face'][0]['age'] beauty = result['face'][0]['beauty'] # 魅力值 glasses = '不戴眼镜 ' if result['face'][0]['glasses'] == 0 else '戴眼镜' # print(file_name[:-4],gender,age,beauty,glasses,sep=',') with open('header.txt',%s' % (file_name[:-4],glasses)) else: not_use_face += 1 attr = ['使用人脸头像','未使用人脸头像'] value = [use_face,not_use_face] pIE = PIE('好友头像分析',Title_pos='center') pIE.add('',legend_top='bottom') # pIE.show_config() pIE.render('好友头像分析.HTML')if __name__ == '__main__': analyse_data()

可视化结果：

使用人脸头脸的好友并不算多，占比31%

从上图中可以看到，使用人脸头像的好友并不多，占比30.87%，大部分都未使用人脸头像，占比69.13%，从某个角度可以反应出这部分人不愿过多的暴露自己，或是对自我颜值的不自信，具体情况要看个人的心态了。

对于使用人脸头像的，还可以检测图片中人脸的性别、年龄、魅力值、是否戴眼镜等（考虑到个人隐私，部分信息做了处理）。

​

我们还可以将所有头像拼接在一起，生成一个微信好友头像拼接图：

# 拼接头像def join_image(): base_path = 'headImages' files = os.Listdir(base_path) each_size = int(math.sqrt(float(640 * 640) / len(files))) lines = int(640 / each_size) image = Image.new('RGB',(640,640)) x = 0 y = 0 for file_name in files: img = Image.open(os.path.join(base_path,file_name)) img = img.resize((each_size,each_size),Image.ANTIAliAS) image.paste(img,(x * each_size,y * each_size)) x += 1 if x == lines: x = 0 y += 1 image.save('all.jpg') itchat.send_image('all.jpg','filehelper')

生成的头像拼接图，有密集恐惧症的请跳过 ^_^

源码不分享了哦

总结

以上是内存溢出为你收集整理的用Python抓取朋友圈数据，通过人脸识别全面分析好友！看透朋友圈全部内容，希望文章能够帮你解决用Python抓取朋友圈数据，通过人脸识别全面分析好友！看透朋友圈所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。