点击上方“何俊林”，马上关注，每天早上8:50准时推送
真爱，请置顶或星标
Illustrations by Evgenij Kungur 文/ Python攻城狮
最近研究了一下itchat和matplotlib，目前实现了对微信好友头像、性别、区域、个性签名的采集及展示。
本文就来详细介绍一下这个库的用法和一些核心逻辑实现。
1.微信登录-
三行代码实现登录，为了避免我们频繁扫描二维码登录，这里我们加入hotReload=True
import itchat itchat.auto_login(hotReload=True) itchat.dump_login_status()
-
好友信息获取
we_friend = itchat.get_friends(update=True)[:]
这里的we_friend是好友的信息的列表，每一个好友字典的 key 如下表
key 备注 UserName 微信系统内的用户编码标识 NickName 好友昵称 Sex 性别 Province 省份 City 城市 HeadImgUrl 微信系统内的头像URL RemarkName 好友的备注名 Signature 个性签名有了key对应的值，我们就好处理了。
2.好友性别这里顺便提一下：如果sex=1则代表男性，sex=2代表女性
total = len(we_friend[1:]) for fri_info in we_friend[1:]: sex = fri_info['sex'] # 如果sex=1 代表男性 sex=2代表女性 if sex == 1: man += 1 elif sex == 2: woman += 1 else: other += 1
统计出男生、女生的以及总人数后，占比自然而然就出来了，为了更好的展示男女比例，我们以饼图展示。
-
绘制饼图
man_ratio = int(man)/total * 100
woman_ratio = int(woman)/total * 100
other_ratio = int(other)/total * 100
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
plt.figure(figsize=(5, 5)) # 绘制的图片为正圆
sex_li = ['男', '女', '其他']
radius = [0.01, 0.01, 0.01] # 设定各项距离圆心n个半径
colors = ['red', 'yellowgreen', 'lightskyblue']
proportion = [man_ratio, woman_ratio, other_ratio]
plt.pie(proportion, explode=radius, labels=sex_li, colors=colors, autopct='%.2f%%') # 绘制饼图
# 加入图例 loc = 'upper right' 位于右上角 bbox_to_anchor=[0.5, 0.5] # 外边距 上边 右边 borderaxespad = 0.3图例的内边距
plt.legend(loc="upper right", fontsize=10, bbox_to_anchor=(1.1, 1.1), borderaxespad=0.3)
# 绘制标题
plt.title('微信好友性别比例')
# 展示
plt.show()
作为一个码农、程序猿，还能有这么多女性好友实属不易啊。敏感的我，看了这个比例深深地感觉到了不安，（此图女朋友不可见）另外，怎么还有一些未知生物的存在…
友情提醒：matplotlib中文乱码这个问题一直存在，这里记录下如何解决matplotlib中文乱码
-
准备好想要使用的中文字体，这里我用的是SimHei，附下载地址：中文字体下载
-
找到matplotlib的文件位置
import matplotlib print(matplotlib.matplotlib_fname()) # 查看路径
-
进入上方打印的路径
-
把刚才下载的字体文件解压放入/usr/local/lib/python3.5/dist-packages/matplotlib/mpl-data/fonts/ttf目录
-
返回上级目录，修改matplotlibrc文件，取消相关注释，并在font.serif加入刚才下载的字体
font.family : sans-serif font.serif : SimHei, DejaVu Serif, Bitstream Vera Serif, New Century Schoolbook, Century Schoolbook L, Utopia, ITC Bookman, Bookman, Nimbus Roman No9 L, Times New Roman, Times, Palatino, Charter, serif
-
删除matplotlib缓存。
在terminal中：cd ~/.cache/matplotlib 把.cache下面的matplotlib文件夹删除。 $ rm -rf matplotlib3.微信好友头像
这里其实看过我之前文章的应该知道，其实头像的拼接主要分为两部分
-
1.采集所有好友头像保存本地，
import os num = 0 pwd_path = os.path.abspath(os.path.dirname(os.getcwd())) desc_photos = os.path.join(pwd_path, 'res/photos') for i in friends: img = itchat.get_head_img(userName=i["UserName"]) file_image = open(desc_photos + "/" + str(num) + ".jpg", 'wb') file_image.write(img) file_image.close() num += 1
-
2.对所有头像进行拼接
ls = os.listdir(desc_photos)
each_size = int(math.sqrt(float(640 * 640) / len(ls))) # 算出每张图片的大小多少合适
lines = int(640 / each_size)
image = Image.new('RGBA', (640, 640)) # 创建640*640px的大图
x = 0
y = 0
for i in range(0, len(ls) + 1):
try:
img = Image.open(desc_photos + "/" + str(i) + ".jpg")
except IOError:
print("Error")
else:
img = img.resize((each_size, each_size), Image.ANTIALIAS)
image.paste(img, (x * each_size, y * each_size)) # 粘贴位置
x += 1
if x == lines: # 换行
x = 0
y += 1
image.save(desc_full + "/好友头像拼接图.jpg")
密集恐惧症患者请忽略!!!
获取区域及城市
prov_dict, city_dict = {}, {}
for fri_info in we_friend[1:]:
prov = fri_info['province']
city = fri_info['city']
if prov and prov not in prov_dict.keys():
prov_dict[prov] = 1
elif prov:
prov_dict[prov] += 1
if city and city not in city_dict.keys():
city_dict[city] = 1
elif city:
city_dict[city] += 1
由于城市太多，我们取好友数量排名前十的城市及区域进行展示，感兴趣的可以稍微改下代码，就可以展示所有区域人数。
排序这里我用了Python的sorted()函数，列表的每个元素都为二维元组，key参数传入了一个lambda函数，其x就代表列表里的每一个元素，然后分别利用索引返回元素内的第一个和第二个元素，这就代表了sorted()函数利用哪一个元素进行排列。而reverse决定是正序还是倒序，默认为False。
# 区域Top10 prov_dict_top10 = sorted(prov_dict.items(), key=lambda x: x[1], reverse=True)[0:10] # 城市Top10 city_dict_top10 = sorted(city_dict.items(), key=lambda y: y[1], reverse=True)[0:10]
-
区域、城市柱形图展示，由于思路代码是一致的，所以这里只展示区域的代码
prov_nm, prov_num = [], [] # 省会名 + 数量
for prov_data in prov_dict_top10:
prov_nm.append(prov_data[0])
prov_num.append(prov_data[1])
pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))
desc_full = os.path.join(pwd_path, 'res')
colors = ['#00FFFF', '#7FFFD4', '#F08080', '#90EE90', '#AFEEEE',
'#98FB98', '#B0E0E6', '#00FF7F', '#FFFF00', '#9ACD32']
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
index = range(len(prov_num))
plt.bar(index, prov_num, color=colors, width=0.5, align='center')
plt.xticks(range(len(prov_nm)), prov_nm) # 横坐轴标签
for x, y in enumerate(prov_num):
# 在柱子上方1.2处标注值
plt.text(x, y + 1.2, '%s' % y, ha='center', fontsize=10)
plt.ylabel('省会好友人数') # 设置纵坐标标签
prov_title = '微信好友区域Top10'
plt.title(prov_title) # 设置标题
plt.savefig(desc_full + '/微信好友区域Top10') # 保存图片
通过柱形图展示，可以清晰看到我的好友主要分布在河南和上海，借此不难推测出我的工作地址以及户籍所在地。
5.微信好友个性签名情感分析及词云图展示这里使用了常用的中文分词库jieba，词云图的背景采用了萌萌哒小猪佩奇(´๑•_•๑)
-
分词
sign_li = []
rule = re.compile("1fd+w*|[<>/=]") # 定义正则规则
for fri_info in we_friend[1:]:
signature = fri_info['signature']
if signature:
sign_deal = signature.replace('
', '').replace(' ', '').replace(' ', '')
.replace("span", "").replace("class", "").replace("emoji", "")
sign = rule.sub("", sign_deal)
sign_li.append(sign)
-
制作词云图
pwd_path = os.path.abspath(os.path.dirname(os.getcwd()))
conf_path = os.path.join(pwd_path, 'conf/')
comment_txt = ''
back_img = plt.imread(conf_path + '/peiqi.jpg')
cloud = WordCloud(font_path=conf_path + '/simhei.ttf', # 若是有中文的话，这句代码必须添加，不然会出现方框，不出现汉字
background_color="white", # 背景颜色
max_words=5000, # 词云显示的最大词数
mask=back_img, # 设置背景图片
max_font_size=100, # 字体最大值
random_state=42,
width=360, height=591, margin=2, # 设置图片默认的大小,但是如果使用背景图片的话,保存的图片大小将会按照其大小保存,margin为词语边缘距离
)
for li in comment:
comment_txt += ' '.join(jieba.cut(li, cut_all=False))
wc = cloud.generate(comment_txt)
image_colors = ImageColorGenerator(back_img)
plt.figure("wordc")
plt.imshow(wc.recolor(color_func=image_colors))
wc.to_file(res_full + '好友个性签名词云图.png')
最初，只想做一个简单的词云图，但是看到这个词云图中梦想、努力、专注、尊重、希望这个几个词以后，感觉到我的好友生活态度还是蛮积极向上的，就想不如再做一个简单的情感分析，说干就干。
sentimentslist = []
for li in comment:
if len(li) > 0:
s = SnowNLP(li)
print(li, s.sentiments)
sentimentslist.append(s.sentiments)
fig1 = plt.figure("sentiment")
plt.hist(sentimentslist, bins=np.arange(0, 1, 0.02))
plt.savefig(res_full + '好友签名情感分析')
plt.show()
从图中可以看出，正向情感要远远多于负向情感的数据，积极乐观的人往往都在一个圈子，果然是物以类聚，人以群分啊。
本文完整源码
长按扫描下方二维码后回复"微信好友"获取
End
说句题外话，有不少人想加鱼哥微信，鱼哥姑且放出来，但是坑位有限哦
推荐阅读
作为程序员，要保持工作和家庭平衡，就那么难么?
刷抖音上瘾后，决定探究如果做一款类似抖音短视频app
屌丝的眼泪，因为错过的初恋，才搞清楚PNG图片压缩原理
我用Python爬了点你们需要的电影，这些电影真的很不错~
喜欢就点个在看吧
