QQ聊天记录统计分析

使用

生成明文数据库

这里默认你已经获得了QQNT的数据库文件和key，如果没有请参考：

• Windows：这里
• 其他：这里

在Windows下，先下载MSYS2，然后打开MSYS2 Mingw64终端，使用如下命令去除 QQNT 添加的文件头：

tail -c +1025 nt_msg.db > nt_msg.clean.db

在MSYS2 Mingw64终端下，安装sqlcipher

然后运行：

sqlcipher

执行如下指令，其中pass是你获得的16位字符key：

.open nt_msg.clean.db
PRAGMA key = 'pass'; PRAGMA kdf_iter = '4000';
ATTACH DATABASE 'plaintext.db' AS plaintext KEY '';
SELECT sqlcipher_export('plaintext');
DETACH DATABASE plaintext;
.exit

这一步将明文数据库保存为了plaintext.db

生成统计数据

将上一步生成的plaintext.db文件放到本目录下input文件夹，然后编辑config.json文件，填写明文数据库路径、需要分析的群号、群成员的昵称字典、以及生成词云时需要排除的词。

然后安装依赖

pip install -r requirements.txt

运行：

python db2json.py
python json2statistics.py

生成的结果在output文件夹下，点开output.md即可查看。

Protobuf表头

• 发送人 40033 QQ号
• 接收人
• 接收群 40030
• 时间戳 40050
• 内容 40800 protobuf
  • id 45001
  • 类型 45002
    • 1 普通文本
    • 2 图片
    • 3 文件
    • 6 表情
    • 7 回复
    • 8 提示消息
    • 10 应用
    • 11 自定义表情
    • 21 电话
    • 26 动态消息
  • 文本 45101
  • 自带新大表情 47602
  • 句内默认表情：同一个blob下有多个40800 field，每个表情单独一个field，表情在47602以/头秃这样的形式存储，但47601才是真正的表情id，具体对应关系不明。
  • 句内@：单独40800field，在45101中以@某某某这样的形式存储，在45103中存储被@人的QQ号
  • 回复消息：多个40800field，第一个field内47403为回复的消息的发送者id

已知缺陷

• 引用他人消息时，不会解析其中的表情