阅读目录

• 一 简介
• 二 登录微信
• 三 微信好友男女比例
• 四 微信好友地域分布
• 五 微信好友数据分析之词云
• 六 聊天机器人

一 简介

wxpy基于itchat，使用了 Web 微信的通讯协议，，通过大量接口优化提升了模块的易用性，并进行丰富的功能扩展。实现了微信登录、收发消息、搜索好友、数据统计等功能。

总而言之，可用来实现各种微信个人号的自动化操作。

安装：wxpy 支持 Python 3.4-3.6，以及 2.7 版本

pip3 install -U wxpy

二 登录微信

1、扫码登录微信

from wxpy import *
bot = Bot()

2、cache_path=True

运行上面的程序，会弹出二维码，用手机微信扫一扫即可实现登录。

但上面的程序有一个缺点，每次运行都要扫二维码。不过wxpy非常贴心地提供了缓存的选项,用于将登录信息保存下来，就不用每次都扫二维码，如下

bot = Bot(cache_path=True) # 必须先登录过一次以后才可以使用缓存

三 微信好友男女比例

from wxpy import *
from pyecharts import Pie
bot=Bot(cache_path=True) #注意手机确认登录


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

value=[0,0]

for friend in friends:

if friend.sex == 1: # 等于1代表男性

value[0]+=1

elif friend.sex == 2: #等于2代表女性

value[1]+=1
pie = Pie("Egon老师的好朋友们")

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

pie.render('sex.html')

四 微信好友地域分布

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老师好朋友们的地域分布", width=1200, height=600)

map.add(

"好友地域分布",

attr,

value,

maptype='china',

is_visualmap=True, #结合体VisualMap

visual_text_color='#000'

)

map.render('area.html')

 

五 微信好友数据分析之词云

bg.jpg

#安装软件
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()
# 统计签名

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

for friend in friends:

# 对数据进行清洗，将标点符号等对词频统计造成影响的因素剔除

pattern=re.compile(r'[一-龥]+')

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

f.write(''.join(filterdata))
#过滤停止词

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进行词频统计

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

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

# print(words_stat)
#词频可视化：词云，基于wordcloud库，当然pyecharts也可以实现

from scipy.misc import imread

from wordcloud import WordCloud, ImageColorGenerator

import matplotlib.pyplot as plt
# 设置词云属性
 color_mask = imread('background.jfif')
 color_mask = imread('bg.jpg')
color_mask = imread('bg1.jpeg')
wordcloud = WordCloud(

# font_path="simhei.ttf",   # mac上没有该字体

font_path="/System/Library/Assets/com_apple_MobileAsset_Font3/6d903871680879cf5606a3d2bcbef058e56b20d4.asset/AssetData/华文仿宋.ttf",   # 设置字体可以显示中文

background_color="white",       # 背景颜色

max_words=100,                  # 词云显示的最大词数

mask=color_mask,                # 设置背景图片

max_font_size=100,              # 字体最大值

random_state=42,

width=1000, height=860, margin=2,# 设置图片默认的大小,但是如果使用背景图片的话,                                                   # 那么保存的图片大小将会按照其大小保存,margin为词语边缘距离

                )
# 生成词云, 可以用generate输入全部文本,也可以我们计算好词频后使用generate_from_frequencies函数

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)

# 从背景图片生成颜色值

image_colors = ImageColorGenerator(color_mask)

# 重新上色

wordcloud.recolor(color_func=image_colors)

# 保存图片

wordcloud.to_file('output.png')

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

词云

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

friends=bot.friends()
# 统计签名

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

for friend in friends:

# 对数据进行清洗，将标点符号等对词频统计造成影响的因素剔除

pattern=re.compile(r'[一-龥]+')

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

f.write(''.join(filterdata))
#过滤停止词

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进行词频统计

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

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

print(words_stat)
#可是化词云

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')

基于pyecharts绘制词云图

停止词，是由英文单词:stopword翻译过来的，原来在英语里面会遇到很多a，the，or等使用频率很多的字或词，常为冠词、介词、副词或连词等。如果搜索引擎要将这些词都索引的话，那么几乎每个网站都会被索引，也就是说工作量巨大。可以毫不夸张的说句，只要是个英文网站都会用到a或者是the。那么这些英文的词跟我们中文有什么关系呢？ 在中文网站里面其实也存在大量的stopword，我们称它为停止词。比如，我们前面这句话，“在”、“里面”、“也”、“的”、“它”、“为”这些词都是停止词。这些词因为使用频率过高，几乎每个网页上都存在，所以搜索引擎开发人员都将这一类词语全部忽略掉。如果我们的网站上存在大量这样的词语，那么相当于浪费了很多资源。原本可以添加一个关键词，排名就可以上升一名的，为什么不留着添加为关键词呢？停止词对SEO的意义不是越多越好，而是尽量的减少为宜。
中英文停止词表:
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

一则

一天

一定

一方面

一旦

一时

一来

一样

一次

一片

一直

一致

一般

一起

一边

一面

万一

上下

上升

上去

上来

上述

上面

下列

下去

下来

下面

不一

不久

不仅

不会

不但

不光

不单

不变

不只

不可

不同

不够

不如

不得

不怕

不惟

不成

不拘

不敢

不断

不是

不比

不然

不特

不独

不管

不能

不要

不论

不足

不过

不问

与

与其

与否

与此同时

专门

且

两者

严格

严重

个

个人

个别

中小

中间

丰富

临

为

为主

为了

为什么

为什麽

为何

为着

主张

主要

举行

乃

乃至

么

之

之一

之前

之后

之後

之所以

之类

乌乎

乎

乘

也

也好

也是

也罢

了

了解

争取

于

于是

于是乎

云云

互相

产生

人们

人家

什么

什么样

什麽

今后

今天

今年

今後

仍然

从

从事

从而

他

他人

他们

他的

代替

以

以上

以下

以为

以便

以免

以前

以及

以后

以外

以後

以来

以至

以至于

以致

们

任

任何

任凭

任务

企图

伟大

似乎

似的

但

但是

何

何况

何处

何时

作为

你

你们

你的

使得

使用

例如

依

依照

依靠

促进

保持

俺

俺们

倘

倘使

倘或

倘然

倘若

假使

假如

假若

做到

像

允许

充分

先后

先後

先生

全部

全面

兮

共同

关于

其

其一

其中

其二

其他

其余

其它

其实

其次

具体

具体地说

具体说来

具有

再者

再说

冒

冲

决定

况且

准备

几

几乎

几时

凭

凭借

出去

出来

出现

分别

则

别

别的

别说

到

前后

前者

前进

前面

加之

加以

加入

加强

十分

即

即令

即使

即便

即或

即若

却不

原来

又

及

及其

及时

及至

双方

反之

反应

反映

反过来

反过来说

取得

受到

变成

另

另一方面

另外

只是

只有

只要

只限

叫

叫做

召开

叮咚

可

可以

可是

可能

可见

各

各个

各人

各位

各地

各种

各级

各自

合理

同

同一

同时

同样

后来

后面

向

向着

吓

吗

否则

吧

吧哒

吱

呀

呃

呕

呗

呜

呜呼

呢

周围

呵

呸

呼哧

咋

和

咚

咦

咱

咱们

咳

哇

哈

哈哈

哉

哎

哎呀

哎哟

哗

哟

哦

哩

哪

哪个

哪些

哪儿

哪天

哪年

哪怕

哪样

哪边

哪里

哼

哼唷

唉

啊

啐

啥

啦

啪达

喂

喏

喔唷

嗡嗡

嗬

嗯

嗳

嘎

嘎登

嘘

嘛

嘻

嘿

因

因为

因此

因而

固然

在

在下

地

坚决

坚持

基本

处理

复杂

多

多少

多数

多次

大力

大多数

大大

大家

大批

大约

大量

失去

她

她们

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

宁

宁可

宁愿

宁肯

它

它们

它们的

它的

安全

完全

完成

实现

实际

宣布

容易

密切

对

对于

对应

将

少数

尔后

尚且

尤其

就

就是

就是说

尽

尽管

属于

岂但

左右

巨大

巩固

己

已经

帮助

常常

并

并不

并不是

并且

并没有

广大

广泛

应当

应用

应该

开外

开始

开展

引起

强烈

强调

归

当

当前

当时

当然

当着

形成

彻底

彼

彼此

往

往往

待

後来

後面

得

得出

得到

心里

必然

必要

必须

怎

怎么

怎么办

怎么样

怎样

怎麽

总之

总是

总的来看

总的来说

总的说来

总结

总而言之

恰恰相反

您

意思

愿意

慢说

成为

我

我们

我的

或

或是

或者

战斗

所

所以

所有

所谓

打

扩大

把

抑或

拿

按

按照

换句话说

换言之

据

掌握

接着

接著

故

故此

整个

方便

方面

旁人

无宁

无法

无论

既

既是

既然

时候

明显

明确

是

是否

是的

显然

显著

普通

普遍

更加

曾经

替

最后

最大

最好

最後

最近

最高

有

有些

有关

有利

有力

有所

有效

有时

有点

有的

有着

有著

望

朝

朝着

本

本着

来

来着

极了

构成

果然

果真

某

某个

某些

根据

根本

欢迎

正在

正如

正常

此

此外

此时

此间

毋宁

每

每个

每天

每年

每当

比

比如

比方

比较

毫不

没有

沿

沿着

注意

深入

清楚

满足

漫说

焉

然则

然后

然後

然而

照

照着

特别是

特殊

特点

现代

现在

甚么

甚而

甚至

用

由

由于

由此可见

的

的话

目前

直到

直接

相似

相信

相反

相同

相对

相对而言

相应

相当

相等

省得

看出

看到

看来

看看

看见

真是

真正

着

着呢

矣

知道

确定

离

积极

移动

突出

突然

立即

第

等

等等

管

紧接着

纵

纵令

纵使

纵然

练习

组成

经

经常

经过

结合

结果

给

绝对

继续

继而

维持

综上所述

罢了

考虑

者

而

而且

而况

而外

而已

而是

而言

联系

能

能否

能够

腾

自

自个儿

自从

自各儿

自家

自己

自身

至

至于

良好

若

若是

若非

范围

莫若

获得

虽

虽则

虽然

虽说

行为

行动

表明

表示

被

要

要不

要不是

要不然

要么

要是

要求

规定

觉得

认为

认真

认识

让

许多

论

设使

设若

该

说明

诸位

谁

谁知

赶

起

起来

起见

趁

趁着

越是

跟

转动

转变

转贴

较

较之

边

达到

迅速

过

过去

过来

运用

还是

还有

这

这个

这么

这么些

这么样

这么点儿

这些

这会儿

这儿

这就是说

这时

这样

这点

这种

这边

这里

这麽

进入

进步

进而

进行

连

连同

适应

适当

适用

逐步

逐渐

通常

通过

造成

遇到

遭到

避免

那

那个

那么

那么些

那么样

那些

那会儿

那儿

那时

那样

那边

那里

那麽

部分

鄙人

采取

里面

重大

重新

重要

鉴于

问题

防止

阿

附近

限制

除

除了

除此之外

除非

随

随着

随著

集中

需要

非但

非常

非徒

靠

顺

顺着

首先

高兴

是不是

说说

补充：stopword

六 聊天机器人

1、为微信传输助手传送消息

这里的file_helper就是微信的文件传输助手，我们给文件传输助手发送一条消息，可以在手机端的文件传输助手中收到括号内的消息

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

2、收发消息@bot.register()

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

def recv_send_msg(recv_msg):

print('收到的消息：',recv_msg.text) # recv_msg.text取得文本

return 'EGON自动回复：%s' %recv_msg.text
# 进入Python命令行，让程序保持运行

embed()

3、自动给老婆回复信息

当你在网吧吃着鸡，操作骚出天际时，你老婆打电话让你回家吃饭，此时你怎么办。。。

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

print(girl_friend)
@bot.register(chats=girl_friend) # 接收从指定好友发来的消息，发送者即recv_msg.sender为指定好友girl_friend

def recv_send_msg(recv_msg):

print('收到的消息：',recv_msg.text) # recv_msg.text取得文本

if recv_msg.sender == girl_friend:

recv_msg.forward(bot.file_helper,prefix='老婆留言: ') #在文件传输助手里留一份，方便自己忙完了回头查看

return '老婆最美丽，我对老婆的爱如滔滔江水，连绵不绝' #给老婆回一份


embed()

4、从微信群中定位好友

老板的信息一定要及时回复

bot=Bot(cache_path=True)
company_group=bot.groups().search('群名称')[0]
boss=company_group.search('老板的微信名称')[0]
@bot.register(chats=company_group) #接收从指定群发来的消息，发送者即recv_msg.sender为组

def recv_send_msg(recv_msg):

print('收到的消息：',recv_msg.text)

if recv_msg.member == boss:

recv_msg.forward(bot.file_helper,prefix='老板发言: ')

return '老板说的好有道理，深受启发'
embed()

5、聊天机器人

给所有人自动回复

import json
import requests
from wxpy import *
bot = Bot(console_qr=True, cache_path=True)
# 调用图灵机器人API，发送消息并获得机器人的回复

def auto_reply(text):

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

api_key = "申请图灵机器人获取key值放到这里"

payload = {

"key": api_key,

"info": text,

}

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

result = json.loads(r.content)

return "[EGON微信测试，请忽略] " + result["text"]
@bot.register()

def forward_message(msg):

return auto_reply(msg.text)
embed()

给指定的群回复

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

print(group)
# 调用图灵机器人API，发送消息并获得机器人的回复

def auto_reply(text):

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

api_key = "申请图灵机器人获取key值放到这里"

payload = {

"key": api_key,

"info": text,

}

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

result = json.loads(r.content)

return "[EGON微信测试，请忽略] " + result["text"]
@bot.register(group)

def forward_message(msg):

return auto_reply(msg.text)
embed() 

给指定的人回复

import json
import requests
from wxpy import *
bot = Bot(console_qr=True, cache_path=True)
girl_friend=bot.search('Quincy.Coder')[0]
# 调用图灵机器人API，发送消息并获得机器人的回复

def auto_reply(text):

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

api_key = "申请图灵机器人获取key值放到这里"

payload = {

"key": api_key,

"info": text,

}

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

result = json.loads(r.content)

return "[EGON微信测试，请忽略] " + result["text"]
@bot.register()

def forward_message(msg):

if msg.sender == girl_friend:

return auto_reply(msg.text)
embed()