閱讀目錄

• 一 簡介
• 二 登入微信
• 三 微信好友男女比例
• 四 微信好友地域分佈
• 五 微信好友資料分析之詞雲
• 六 聊天機器人

一 簡介

wxpy基於itchat，使用了 Web 微信的通訊協議，，通過大量介面優化提升了模組的易用性，並進行豐富的功能擴充套件。實現了微信登入、收發訊息、搜尋好友、資料統計等功能。

總而言之，可用來實現各種微信個人號的自動化操作。

安裝：wxpy 支援 Python 3.4-3.6，以及 2.7 版本

pip3 install -U wxpy

二 登入微信

1、掃碼登入微信

from wxpy import *
bot = Bot()

2、cache_path=True

執行上面的程式，會彈出二維碼，用手機微信掃一掃即可實現登入。

但上面的程式有一個缺點，每次執行都要掃二維碼。不過wxpy非常貼心地提供了快取的選項,用於將登入資訊儲存下來，就不用每次都掃二維碼，如下

bot = Bot(cache_path=True) # 必須先登入過一次以後才可以使用快取

三 微信好友男女比例

from wxpy import *
from pyecharts import Pie
bot=Bot(cache_path=True) #注意手機確認登入



friends=bot.friends()
attr=['男朋友','女朋友']

value=[0,0]

for friend in
 
 friends:

if friend.sex == 1: # 等於1代表男性

value[0]+=1

elif friend.sex == 2: #等於2代表女性

value[1]+=1

pie = Pie("Egon老師的好朋友們")

pie.add("", attr, value, is_label_show=True)

pie.render('sex.html')

四 微信好友地域分佈

from wxpy import *
from pyecharts import Map
bot=Bot(cache_path=True)
friends=bot.friends()
area_dic={}

 
for friend in friends:

if friend.province not in area_dic:

area_dic[friend.province]=1

else:

area_dic[friend.province]+=1

attr = area_dic.keys()

value = area_dic.values()
map = Map("Egon老師好朋友們的地域分佈", width=1200, height=600)

map.add(

"好友地域分佈",

attr,

value,

maptype='china',

is_visualmap=True, #結合體VisualMap

visual_text_color='#000'

)

map.render('area.html')

五 微信好友資料分析之詞雲

bg.jpg

#安裝軟體
pip3 install jieba
pip3 install pandas
pip3 install numpy
pip3 install scipy
pip3 install wordcloud

from wxpy import *
import re
import jieba
import pandas as pd
import numpy
bot=Bot(cache_path=True)

friends=bot.friends()
# 統計簽名

with open('signatures.txt','w',encoding='utf-8') as f:

for friend in friends:

# 對資料進行清洗，將標點符號等對詞頻統計造成影響的因素剔除

pattern=re.compile(r'[一-龥]+')

filterdata=re.findall(pattern,friend.signature)

f.write(''.join(filterdata))
#過濾停止詞

with open('signatures.txt','r',encoding='utf-8') as f:

data=f.read()

segment=jieba.lcut(data)
words_df</span>=pd.DataFrame({<span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(128, 0, 0, 1)">segment</span><span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(0, 0, 0, 1)">:segment})
stopwords </span>= pd.read_csv(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">stopwords.txt</span><span style="color: rgba(128, 0, 0, 1)">"</span>, index_col=False, quoting=3, sep=<span style="color: rgba(128, 0, 0, 1)">"</span> <span style="color: rgba(128, 0, 0, 1)">"</span>, names=[<span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(128, 0, 0, 1)">stopword</span><span style="color: rgba(128, 0, 0, 1)">'</span>], encoding=<span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(128, 0, 0, 1)">utf-8</span><span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(0, 0, 0, 1)">)
words_df </span>= words_df[~<span style="color: rgba(0, 0, 0, 1)">words_df.segment.isin(stopwords.stopword)]

#使用numpy進行詞頻統計

words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數":numpy.size})

words_stat = words_stat.reset_index().sort_values(by=["計數"],ascending=False)

# print(words_stat)
#詞頻視覺化：詞雲，基於wordcloud庫，當然pyecharts也可以實現

from scipy.misc import imread

from wordcloud import WordCloud, ImageColorGenerator

import matplotlib.pyplot as plt
# 設定詞雲屬性
 color_mask = imread('background.jfif')
 color_mask = imread('bg.jpg')
color_mask = imread('bg1.jpeg')
wordcloud = WordCloud(

# font_path="simhei.ttf",   # mac上沒有該字型

font_path="/System/Library/Assets/com_apple_MobileAsset_Font3/6d903871680879cf5606a3d2bcbef058e56b20d4.asset/AssetData/華文仿宋.ttf",   # 設定字型可以顯示中文

background_color="white",       # 背景顏色

max_words=100,                  # 詞雲顯示的最大詞數

mask=color_mask,                # 設定背景圖片

max_font_size=100,              # 字型最大值

random_state=42,

width=1000, height=860, margin=2,# 設定圖片預設的大小,但是如果使用背景圖片的話,                                                   # 那麼儲存的圖片大小將會按照其大小儲存,margin為詞語邊緣距離

                )
# 生成詞雲, 可以用generate輸入全部文字,也可以我們計算好詞頻後使用generate_from_frequencies函式

word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}

print(word_frequence)

word_frequence_dict = {}

for key in word_frequence:

word_frequence_dict[key] = word_frequence[key]
print(word_frequence_dict)

wordcloud.generate_from_frequencies(word_frequence_dict)

# 從背景圖片生成顏色值

image_colors = ImageColorGenerator(color_mask)

# 重新上色

wordcloud.recolor(color_func=image_colors)

# 儲存圖片

wordcloud.to_file('output.png')

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

from wxpy import *
import re
import jieba
import pandas as pd
import numpy
bot=Bot(cache_path=True)

friends=bot.friends()
# 統計簽名

with open('signatures.txt','w',encoding='utf-8') as f:

for friend in friends:

# 對資料進行清洗，將標點符號等對詞頻統計造成影響的因素剔除

pattern=re.compile(r'[一-龥]+')

filterdata=re.findall(pattern,friend.signature)

f.write(''.join(filterdata))
#過濾停止詞

with open('signatures.txt','r',encoding='utf-8') as f:

data=f.read()

segment=jieba.lcut(data)
words_df</span>=pd.DataFrame({<span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(128, 0, 0, 1)">segment</span><span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(0, 0, 0, 1)">:segment})
stopwords </span>= pd.read_csv(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">stopwords.txt</span><span style="color: rgba(128, 0, 0, 1)">"</span>, index_col=False, quoting=3, sep=<span style="color: rgba(128, 0, 0, 1)">"</span> <span style="color: rgba(128, 0, 0, 1)">"</span>, names=[<span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(128, 0, 0, 1)">stopword</span><span style="color: rgba(128, 0, 0, 1)">'</span>], encoding=<span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(128, 0, 0, 1)">utf-8</span><span style="color: rgba(128, 0, 0, 1)">'</span><span style="color: rgba(0, 0, 0, 1)">)
words_df </span>= words_df[~<span style="color: rgba(0, 0, 0, 1)">words_df.segment.isin(stopwords.stopword)]

#使用numpy進行詞頻統計

words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計數":numpy.size})

words_stat = words_stat.reset_index().sort_values(by=["計數"],ascending=False)

print(words_stat)
#可是化詞雲

from pyecharts import WordCloud

word_frequence = {x[0]:x[1]for x in words_stat.head(100).values}
name = word_frequence.keys()

value = word_frequence.values()

wordcloud = WordCloud(width=1300, height=620)

wordcloud.add("", name, value, word_size_range=[20, 100])

wordcloud.render('cy.html')

停止詞，是由英文單詞:stopword翻譯過來的，原來在英語裡面會遇到很多a，the，or等使用頻率很多的字或詞，常為冠詞、介詞、副詞或連詞等。如果搜尋引擎要將這些詞都索引的話，那麼幾乎每個網站都會被索引，也就是說工作量巨大。可以毫不誇張的說句，只要是個英文網站都會用到a或者是the。那麼這些英文的詞跟我們中文有什麼關係呢？ 在中文網站裡面其實也存在大量的stopword，我們稱它為停止詞。比如，我們前面這句話，“在”、“裡面”、“也”、“的”、“它”、“為”這些詞都是停止詞。這些詞因為使用頻率過高，幾乎每個網頁上都存在，所以搜尋引擎開發人員都將這一類詞語全部忽略掉。如果我們的網站上存在大量這樣的詞語，那麼相當於浪費了很多資源。原本可以新增一個關鍵詞，排名就可以上升一名的，為什麼不留著新增為關鍵詞呢？停止詞對SEO的意義不是越多越好，而是儘量的減少為宜。
中英文停止詞表:
able

about

above

according

accordingly

across

actually

after

afterwards

again

against

ain't

all

allow

allows

almost

alone

along

already

also

although

always

am

among

amongst

an

and

another

any

anybody

anyhow

anyone

anything

anyway

anyways

anywhere

apart

appear

appreciate

appropriate

are

aren't

around

as

a's

aside

ask

asking

associated

at

available

away

awfully

be

became

because

become

becomes

becoming

been

before

beforehand

behind

being

believe

below

beside

besides

best

better

between

beyond

both

brief

but

by

came

can

cannot

cant

can't

cause

causes

certain

certainly

changes

clearly

c'mon

co

com

come

comes

concerning

consequently

consider

considering

contain

containing

contains

corresponding

could

couldn't

course

c's

currently

definitely

described

despite

did

didn't

different

do

does

doesn't

doing

done

don't

down

downwards

during

each

edu

eg

eight

either

else

elsewhere

enough

entirely

especially

et

etc

even

ever

every

everybody

everyone

everything

everywhere

ex

exactly

example

except

far

few

fifth

first

five

followed

following

follows

for

former

formerly

forth

four

from

further

furthermore

get

gets

getting

given

gives

go

goes

going

gone

got

gotten

greetings

had

hadn't

happens

hardly

has

hasn't

have

haven't

having

he

hello

help

hence

her

here

hereafter

hereby

herein

here's

hereupon

hers

herself

he's

hi

him

himself

his

hither

hopefully

how

howbeit

however

i'd

ie

if

ignored

i'll

i'm

immediate

in

inasmuch

inc

indeed

indicate

indicated

indicates

inner

insofar

instead

into

inward

is

isn't

it

it'd

it'll

its

it's

itself

i've

just

keep

keeps

kept

know

known

knows

last

lately

later

latter

latterly

least

less

lest

let

let's

like

liked

likely

little

look

looking

looks

ltd

mainly

many

may

maybe

me

mean

meanwhile

merely

might

more

moreover

most

mostly

much

must

my

myself

name

namely

nd

near

nearly

necessary

need

needs

neither

never

nevertheless

new

next

nine

no

nobody

non

none

noone

nor

normally

not

nothing

novel

now

nowhere

obviously

of

off

often

oh

ok

okay

old

on

once

one

ones

only

onto

or

other

others

otherwise

ought

our

ours

ourselves

out

outside

over

overall

own

particular

particularly

per

perhaps

placed

please

plus

possible

presumably

probably

provides

que

quite

qv

rather

rd

re

really

reasonably

regarding

regardless

regards

relatively

respectively

right

said

same

saw

say

saying

says

second

secondly

see

seeing

seem

seemed

seeming

seems

seen

self

selves

sensible

sent

serious

seriously

seven

several

shall

she

should

shouldn't

since

six

so

some

somebody

somehow

someone

something

sometime

sometimes

somewhat

somewhere

soon

sorry

specified

specify

specifying

still

sub

such

sup

sure

take

taken

tell

tends

th

than

thank

thanks

thanx

that

thats

that's

the

their

theirs

them

themselves

then

thence

there

thereafter

thereby

therefore

therein

theres

there's

thereupon

these

they

they'd

they'll

they're

they've

think

third

this

thorough

thoroughly

those

though

three

through

throughout

thru

thus

to

together

too

took

toward

towards

tried

tries

truly

try

trying

t's

twice

two

un

under

unfortunately

unless

unlikely

until

unto

up

upon

us

use

used

useful

uses

using

usually

value

various

very

via

viz

vs

want

wants

was

wasn't

way

we

we'd

welcome

well

we'll

went

were

we're

weren't

we've

what

whatever

what's

when

whence

whenever

where

whereafter

whereas

whereby

wherein

where's

whereupon

wherever

whether

which

while

whither

who

whoever

whole

whom

who's

whose

why

will

willing

wish

with

within

without

wonder

won't

would

wouldn't

yes

yet

you

you'd

you'll

your

you're

yours

yourself

yourselves

you've

zero

zt

ZT

zz

ZZ

一

一下

一些

一切

一則

一天

一定

一方面

一旦

一時

一來

一樣

一次

一片

一直

一致

一般

一起

一邊

一面

萬一

上下

上升

上去

上來

上述

上面

下列

下去

下來

下面

不一

不久

不僅

不會

不但

不光

不單

不變

不只

不可

不同

不夠

不如

不得

不怕

不惟

不成

不拘

不敢

不斷

不是

不比

不然

不特

不獨

不管

不能

不要

不論

不足

不過

不問

與

與其

與否

與此同時

專門

且

兩者

嚴格

嚴重

個

個人

個別

中小

中間

豐富

臨

為

為主

為了

為什麼

為什麼

為何

為著

主張

主要

舉行

乃

乃至

麼

之

之一

之前

之後

之後

之所以

之類

烏乎

乎

乘

也

也好

也是

也罷

了

瞭解

爭取

於

於是

於是乎

云云

互相

產生

人們

人家

什麼

什麼樣

什麼

今後

今天

今年

今後

仍然

從

從事

從而

他

他人

他們

他的

代替

以

以上

以下

以為

以便

以免

以前

以及

以後

以外

以後

以來

以至

以至於

以致

們

任

任何

任憑

任務

企圖

偉大

似乎

似的

但

但是

何

何況

何處

何時

作為

你

你們

你的

使得

使用

例如

依

依照

依靠

促進

保持

俺

俺們

倘

倘使

倘或

倘然

倘若

假使

假如

假若

做到

像

允許

充分

先後

先後

先生

全部

全面

兮

共同

關於

其

其一

其中

其二

其他

其餘

其它

其實

其次

具體

具體地說

具體說來

具有

再者

再說

冒

衝

決定

況且

準備

幾

幾乎

幾時

憑

憑藉

出去

出來

出現

分別

則

別

別的

別說

到

前後

前者

前進

前面

加之

加以

加入

加強

十分

即

即令

即使

即便

即或

即若

卻不

原來

又

及

及其

及時

及至

雙方

反之

反應

反映

反過來

反過來說

取得

受到

變成

另

另一方面

另外

只是

只有

只要

只限

叫

叫做

召開

叮咚

可

可以

可是

可能

可見

各

各個

各人

各位

各地

各種

各級

各自

合理

同

同一

同時

同樣

後來

後面

向

向著

嚇

嗎

否則

吧

吧噠

吱

呀

呃

嘔

唄

嗚

嗚呼

呢

周圍

呵

呸

呼哧

咋

和

咚

咦

咱

咱們

咳

哇

哈

哈哈

哉

哎

哎呀

哎喲

譁

喲

哦

哩

哪

哪個

哪些

哪兒

哪天

哪年

哪怕

哪樣

哪邊

哪裡

哼

哼唷

唉

啊

啐

啥

啦

啪達

喂

喏

喔唷

嗡嗡

嗬

嗯

噯

嘎

嘎登

噓

嘛

嘻

嘿

因

因為

因此

因而

固然

在

在下

地

堅決

堅持

基本

處理

複雜

多

多少

多數

多次

大力

大多數

大大

大家

大批

大約

大量

失去

她

她們

她的

好的

好象

如

如上所述

如下

如何

如其

如果

如此

如若

存在

寧

寧可

寧願

寧肯

它

它們

它們的

它的

安全

完全

完成

實現

實際

宣佈

容易

密切

對

對於

對應

將

少數

爾後

尚且

尤其

就

就是

就是說

盡

儘管

屬於

豈但

左右

巨大

鞏固

己

已經

幫助

常常

並

並不

並不是

並且

並沒有

廣大

廣泛

應當

應用

應該

開外

開始

開展

引起

強烈

強調

歸

當

當前

當時

當然

當著

形成

徹底

彼

彼此

往

往往

待

後來

後面

得

得出

得到

心裡

必然

必要

必須

怎

怎麼

怎麼辦

怎麼樣

怎樣

怎麼

總之

總是

總的來看

總的來說

總的說來

總結

總而言之

恰恰相反

您

意思

願意

慢說

成為

我

我們

我的

或

或是

或者

戰鬥

所

所以

所有

所謂

打

擴大

把

抑或

拿

按

按照

換句話說

換言之

據

掌握

接著

接著

故

故此

整個

方便

方面

旁人

無寧

無法

無論

既

既是

既然

時候

明顯

明確

是

是否

是的

顯然

顯著

普通

普遍

更加

曾經

替

最後

最大

最好

最後

最近

最高

有

有些

有關

有利

有力

有所

有效

有時

有點

有的

有著

有著

望

朝

朝著

本

本著

來

來著

極了

構成

果然

果真

某

某個

某些

根據

根本

歡迎

正在

正如

正常

此

此外

此時

此間

毋寧

每

每個

每天

每年

每當

比

比如

比方

比較

毫不

沒有

沿

沿著

注意

深入

清楚

滿足

漫說

焉

然則

然後

然後

然而

照

照著

特別是

特殊

特點

現代

現在

甚麼

甚而

甚至

用

由

由於

由此可見

的

的話

目前

直到

直接

相似

相信

相反

相同

相對

相對而言

相應

相當

相等

省得

看出

看到

看來

看看

看見

真是

真正

著

著呢

矣

知道

確定

離

積極

移動

突出

突然

立即

第

等

等等

管

緊接著

縱

縱令

縱使

縱然

練習

組成

經

經常

經過

結合

結果

給

絕對

繼續

繼而

維持

綜上所述

罷了

考慮

者

而

而且

而況

而外

而已

而是

而言

聯絡

能

能否

能夠

騰

自

自個兒

自從

自各兒

自家

自己

自身

至

至於

良好

若

若是

若非

範圍

莫若

獲得

雖

雖則

雖然

雖說

行為

行動

表明

表示

被

要

要不

要不是

要不然

要麼

要是

要求

規定

覺得

認為

認真

認識

讓

許多

論

設使

設若

該

說明

諸位

誰

誰知

趕

起

起來

起見

趁

趁著

越是

跟

轉動

轉變

轉貼

較

較之

邊

達到

迅速

過

過去

過來

運用

還是

還有

這

這個

這麼

這麼些

這麼樣

這麼點兒

這些

這會兒

這兒

這就是說

這時

這樣

這點

這種

這邊

這裡

這麼

進入

進步

進而

進行

連

連同

適應

適當

適用

逐步

逐漸

通常

通過

造成

遇到

遭到

避免

那

那個

那麼

那麼些

那麼樣

那些

那會兒

那兒

那時

那樣

那邊

那裡

那麼

部分

鄙人

採取

裡面

重大

重新

重要

鑑於

問題

防止

阿

附近

限制

除

除了

除此之外

除非

隨

隨著

隨著

集中

需要

非但

非常

非徒

靠

順

順著

首先

高興

是不是

說說

六 聊天機器人

1、為微信傳輸助手傳送訊息

這裡的file_helper就是微信的檔案傳輸助手，我們給檔案傳輸助手傳送一條訊息，可以在手機端的檔案傳輸助手中收到括號內的訊息

bot.file_helper.send('egon say hello')

2、收發訊息@bot.register()

from wxpy import *
bot=Bot(cache_path=True)
@bot.register()

def recv_send_msg(recv_msg):

print('收到的訊息：',recv_msg.text) # recv_msg.text取得文字

return 'EGON自動回覆：%s' %recv_msg.text
# 進入Python命令列，讓程式保持執行

embed()

3、自動給老婆回覆資訊

當你在網咖吃著雞，操作騷出天際時，你老婆打電話讓你回家吃飯，此時你怎麼辦。。。

from wxpy import *
bot=Bot(cache_path=True)
girl_friend=bot.search('Quincy.Coder')[0]

print(girl_friend)
@bot.register(chats=girl_friend) # 接收從指定好友發來的訊息，傳送者即recv_msg.sender為指定好友girl_friend

def recv_send_msg(recv_msg):

print('收到的訊息：',recv_msg.text) # recv_msg.text取得文字

if recv_msg.sender == girl_friend:

recv_msg.forward(bot.file_helper,prefix='老婆留言: ') #在檔案傳輸助手裡留一份，方便自己忙完了回頭檢視

return '老婆最美麗，我對老婆的愛如滔滔江水，連綿不絕' #給老婆回一份



embed()

4、從微信群中定位好友

老闆的資訊一定要及時回覆

bot=Bot(cache_path=True)
company_group=bot.groups().search('群名稱')[0]
boss=company_group.search('老闆的微信名稱')[0]
@bot.register(chats=company_group) #接收從指定群發來的訊息，傳送者即recv_msg.sender為組

def recv_send_msg(recv_msg):

print('收到的訊息：',recv_msg.text)

if recv_msg.member == boss:

recv_msg.forward(bot.file_helper,prefix='老闆發言: ')

return '老闆說的好有道理，深受啟發'
embed()

5、聊天機器人

給所有人自動回覆

import json
import requests
from wxpy import *
bot = Bot(console_qr=True, cache_path=True)
# 呼叫圖靈機器人API，傳送訊息並獲得機器人的回覆

def auto_reply(text):

url = "http://www.tuling123.com/openapi/api"

api_key = "申請圖靈機器人獲取key值放到這裡"

payload = {

"key": api_key,

"info": text,

}

r = requests.post(url, data=json.dumps(payload))

result = json.loads(r.content)

return "[EGON微信測試，請忽略] " + result["text"]
@bot.register()

def forward_message(msg):

return auto_reply(msg.text)
embed()

給指定的群回覆

import json
import requests
from wxpy import *
bot = Bot(console_qr=True, cache_path=True)
group=bot.groups().search('教學部三人組')[0]

print(group)
# 呼叫圖靈機器人API，傳送訊息並獲得機器人的回覆

def auto_reply(text):

url = "http://www.tuling123.com/openapi/api"

api_key = "申請圖靈機器人獲取key值放到這裡"

payload = {

"key": api_key,

"info": text,

}

r = requests.post(url, data=json.dumps(payload))

result = json.loads(r.content)

return "[EGON微信測試，請忽略] " + result["text"]
@bot.register(group)

def forward_message(msg):

return auto_reply(msg.text)
embed()

給指定的人回覆

import json
import requests
from wxpy import *
bot = Bot(console_qr=True, cache_path=True)
girl_friend=bot.search('Quincy.Coder')[0]
# 呼叫圖靈機器人API，傳送訊息並獲得機器人的回覆

def auto_reply(text):

url = "http://www.tuling123.com/openapi/api"

api_key = "申請圖靈機器人獲取key值放到這裡"

payload = {

"key": api_key,

"info": text,

}

r = requests.post(url, data=json.dumps(payload))

result = json.loads(r.content)

return "[EGON微信測試，請忽略] " + result["text"]
@bot.register()

def forward_message(msg):

if msg.sender == girl_friend:

return auto_reply(msg.text)
embed()