用python做些有意思的事——分析QQ聊天记录——私人订制

　　　　之前，写了这篇文章，用python提取全部群成员的发言时间，并简单做了下分析。先补充一下，针对特定单个群成员（这里以  小小白   为例）消息记录的获取。

代码比较简单，主要是正则表达式的书写。（附：聊天文件记录的导出请参考上面提到的文章）

　　　　代码如下：

#2016/9/14
#从QQ聊天数据导出特定人发言的日期时间和发言内容

import re
import xlsxwriter

# 小小白   这里代指你要获取数据的对象的昵称
# 方便起见，见数据导出的文件名也明明为此
workbook = xlsxwriter.Workbook('小小白.xlsx')
worksheet = workbook.add_worksheet()
worksheet.set_column('A:A', 5)
worksheet.set_column('B:B', 10)
worksheet.set_column('C:C', 200)

with open('高等数学.txt',encoding='utf-8') as f:
    s = f.read()
    # 正则，跨行匹配
    pa = re.compile(r'^(d{4}-d{2}-d{2}) (d{2}:d{2}:d{2}) 小小白(小小白的QQ号)
(.*?)
$',re.DOTALL+re.MULTILINE)
    ma = re.findall(pa,s)
    # print(len(ma))
    for i in range(len(ma)):
        # print(ma[i][0])
        date = ma[i][0]
        time = ma[i][1]
        word = ma[i][2]

        worksheet.write(int(i),0,date)
        worksheet.write(int(i),1,time)
        worksheet.write(int(i),2,word)

    workbook.close()
    print("处理完毕，快去看看文件夹下面新建的.xlsx文件吧")

 　　###########2016/10/18补更###############

　　小岛台风，待在宿舍无聊，就优化了之前分析QQ聊天记录的代码，综合上文和之前写的那篇文章，做了个私人订制。实现从聊天记录对特定人的发言信息进行提取，并用matplotlib作图，终于不想用excel...

　　代码比较简单，核心的提取都和之前的一样，这里直接贴出来：

import re
import matplotlib.pyplot as plt


# 解决matplotlib显示中文的问题
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["Microsoft YaHei"]
mpl.rcParams['axes.unicode_minus'] = False


# 获取24个时间段----->periods
# 用于之后时间的分段
def get_periods():
    periods = []
    for i in range(0,24):
        # 这里的判断用于将类似的‘8’ 转化为 ‘08’ 便于和导出数据匹配
        if i < 10:
            i = '0'+str(i)
        else:
            i = str(i)
        periods.append(i)
    return periods

'''
对QQ群而言的时间提取

# 获取聊天文件的“小时”数据
def get_times(filename):
    with open(filename, encoding='utf-8') as f:
        data = f.read()
        # 例如20:50:52，要匹配其中的20
        pa = re.compile(r"(dd):dd:dd")
        times = re.findall(pa, data)

    return times
'''


# 对每一个时间段进行计数
def classification(times,period):
    num = 0
    for time in times:
        if time == period:
            num += 1
    period_time.append([period,num])
    # print(period, '--->', num)


# 作图

def plot_time(period_time,name):
    time = []
    num  = []
    for i in period_time:
        time.append(i[0])
        num.append(i[1])
    time = time[6:24]+time[0:6]
    num = num[6:24]+num[0:6]
    # print(time,'
',num)
    labels = time
    x = [i for i in range(0,24)]
    plt.plot(num, 'g')
    num_max = max(num)
    plt.xticks(x,labels)
    plt.axis([00, 24, 0, num_max*(1.2)])
    plt.grid(True)
    plt.title(name)
    plt.ylabel('发言量')
    plt.xlabel('时间')
    plt.show()

def get_person_data(filename,name,qqnumber):
    person_data = {'date':[],'time':[],'word':[]}
    with open(filename,encoding='utf-8') as f:
        s = f.read()
        # 正则，跨行匹配
        pa = re.compile(r'^(d{4}-d{2}-d{2}) (d{2}:d{2}:d{2}) '+name+r'('+qqnumber+')
(.*?)
$',re.DOTALL+re.MULTILINE)
        ma = re.findall(pa,s)
        # print(len(ma))
        for i in range(len(ma)):
            # print(ma[i][0])
            date = ma[i][0]
            time = ma[i][1]
            word = ma[i][2]
            person_data['date'].append(date)
            person_data['time'].append(time[0:2])
            person_data['word'].append(word)
    return person_data


if __name__=="__main__":
    filename = input('请输入聊天记录文件名：')
    name = input('准备提取个人信息就绪，请输入要提取人的群名片：')
    qqnumber = input('请输入要提取人的QQ号：')
    period_time = []
    person_data = get_person_data(filename,name,qqnumber)
    times = person_data['time']

    periods = get_periods()
    for period in periods:
        classification(times,period)
    plot_time(period_time,name)
    # print(person_data['word'])

　　关于matplotlib作图指定坐标标签的，看这里。

　　运行结果如下：