Python爬取的微信好友信息里我看到了自律 | CSDN博文精选
Python爬取的微信好友信息里我看到了自律 | CSDN博文精选
作者 | 吴小鹏
来源 | 数据札记倌(ID:Data_Groom)
"stay hungry, stay foolish"
"不舍爱与自由"
"自律"
爬取大家的签名后发现大家对生活都是积极向上的，希望每个人都能成为更好的自己！
沉迷于造轮子。。。无法自拔
简述
微信是我们每天都会使用的社交工具，不同的人群会有不一样的朋友圈。
可能是微信不到百人的彭磊
就是这个小眼睛男人
也可能是直逼好友上限的大佬
吓得我赶紧看了一下我的好友列表，迅速拉到最底端，算了一下还有四千多个位置。
没有体验过这种优秀的烦恼，所以我去搜了一下微信好友上限是一种什么体验：
大概是这样的吧！
或者是这样的？
接下来我会使用「itchat」(开源的微信个人接口)来获取一些公开的好友信息，使用itchat.get_friends()，我们可以获取微信好友头像、性别、省份、城市、年龄等具体信息。
爬取这些信息后做一些统计分布的分析。
好友头像
我们先拉取好友头像试一下，「itchat」里的get_head_img可以获取每个好友的头像：
def headImg():
itchat.login()
friends = itchat.get_friends(update=True)
# itchat.get_head_img() 获取到头像二进制，并写入文件，保存每张头像
for count, f in enumerate(friends):
# 根据userName获取头像
img = itchat.get_head_img(userName=f["UserName"])
imgFile = open("photo/" + str(count) + ".jpg", "wb")
imgFile.write(img)
imgFile.close()photo文件夹用于保存头像图片，遍历好友列表，根据下标命名头像，到这里可以看到文件夹里已经保存了所有好友的头像。
头像信息比较隐私，就不公布啦~
性别分布
当我们使用「itchat」的get_friends()函数可以获取很多好友信息，包括性别，所以这里只需要将获取到的好友性别信息提取出来制图就可以：
def analysisSex():
itchat.login()
friends = itchat.get_friends()
sex_count = dict()
for f in friends:
if f["Sex"] == 1: # man
sex_count["man"] = sex_count.get("man", 0) + 1
elif f["Sex"] == 2: # women
sex_count["women"] = sex_count.get("women", 0) + 1
else: # unknown
sex_count["unknown"] = sex_count.get("unknown", 0) + 1
# 柱状图展示
for i, key in enumerate(sex_count):
plt.bar(key, sex_count[key])
plt.savefig("analysisSex.png") #保存图片
plt.ion()
plt.close()结果如下：
个性签名
在获取的好友信息中Signature字段对应着好友的签名，我们直接获取这部分信息，然后保存下来，处理过表情等特殊字符，然后制作词云图。
def AnalysisSignature():
itchat.login()
friends = itchat.get_friends(update=True)
file = open('AnalysisSignature.txt', 'a', encoding='utf-8')
for f in friends:
signature = f["Signature"].strip().replace("emoji", "").replace("span", "").replace("class", "")
# 正则匹配
rec = re.compile("1f\d+\w*|[<>/=]")
signature = rec.sub("", signature)
file.write(signature + "\n")"stay hungry, stay foolish"
"不舍爱与自由"
大家对生活都是积极向上的，希望每个人都能成为更好的自己！
地区分布
为了统计好友的地区分布，所以要用到好友信息的province字段，直接对province进行统计，然后可视化出来得到。
# 省份分析
def analysisProvince():
friends_info = get_friends_info()
df = pd.DataFrame(friends_info)
province_count = df.groupby('province', as_index=True)['province'].count().sort_values()
temp = list(map(lambda x: x if x != '' else '未知', list(province_count.index)))
# 画图
page = Page()
style = Style(width=1100, height=600)
style_middle = Style(width=900, height=500)
attr, value = temp, list(province_count)
chart1 = Map('好友分布(中国地图)', **style.init_style)
chart1.add('', attr, value, is_label_show=True, is_visualmap=True, visual_text_color='#000')
page.add(chart1)
chart2 = Bar('好友分布柱状图', **style_middle.init_style)
chart2.add('', attr, value, is_stack=True, is_convert=True,
label_pos='inside', is_legend_show=True, is_label_show=True)
page.add(chart2)
page.render('analysisProvince.html')比较明显的一个点是，我们的好友大多来自我们生活过的地方，安徽和上海这两个地区好友数量都明显高于其他省份。
号主户籍安徽，利用城市信息看一下我的朋友都在哪里。
从下面的好友数量来看，号主明显是个安庆人。
（*本文为AI科技大本营转载文章，转载请联系作者）