2019 第 41 篇,总第 65 篇文章
本文大约 4000 字,阅读大约需要 12 分钟
最近简单运用 itchat 这个库来实现一些简单的应用,主要包括以下几个应用:
统计保存好友的数量和信息
统计和保存关注的公众号数量和信息
简单生成好友头像的图片墙,利用一个第三方库生成马赛克风格的图片墙
itchat 的 github 项目地址如下,这是一个开源的微信个人接口:
https://github.com/littlecodersh/ItChat
这个库的安装也很简单,直接用 pip install itchat
即可安装
接下来就开始介绍如何利用这个库来实现上述操作。
1. 统计保存好友的数量和信息
首先是微信登录,简单的几行代码即可实现:
import itchat# 避免频繁扫描二维码登录
itchat.auto_login(hotReload=True)
itchat.dump_login_status()
运行这段代码后,就会弹出一个二维码,进行扫描登录,其中 hotReload=True
是保证不用每次运行程序都需要弹出二维码扫描登录。
然后是获取好友的信息:
we_friend = itchat.get_friends(update=True)[:]
这里 we_friend
就是保存了好友信息的一个字典,并且 we_friend[0]
是保存用户自己的信息,从we_friend[1]
开始才是真正的好友的信息,这里我们将主要保存以下信息:
key | 含义 |
---|---|
NickName | 昵称 |
RemarkName | 备注 |
Sex | 性别 |
Province | 省份 |
City | 城市 |
Signature | 签名 |
保存好友的信息代码如下:
friends = we_friend[1:]
total_numbers = len(friends)
print('你的好友数量为: {}'.format(total_numbers))
friend_infos_dict = {}
for fri_info in friends:for key in friend_key:if friend_infos_dict.get(key, False):friend_infos_dict[key].append(fri_info[key])else:friend_infos_dict[key] = [fri_info[key]]
# 保存信息
fri_save_file_name = os.path.join(save_file_path, '好友信息.csv')
df = pd.DataFrame(friend_infos_dict)
df.to_csv(fri_save_file_name, sep=',')
其中 save_file_path
是指定保存好友信息文件的文件夹路径,
2. 保存公众号信息
获取公众号信息并保存的代码如下:
# 公众号获取的信息内容,分别是昵称、城市、城市、签名
mps_key = ['NickName', 'City', 'Province', 'Signature']
# 获取公众号信息
mps = itchat.get_mps(update=True)
mps_num = len(mps)
print('你关注的公众号数量: {}'.format(mps_num))mps_save_file_name = os.path.join(save_file_path, '公众号信息.csv')
mps_dict = {}
for mp in mps:for key in mps_key:if mps_dict.get(key, False):mps_dict[key].append(mp[key])else:mps_dict[key] = [mp[key]]df = pd.DataFrame(mps_dict)
df.to_csv(mps_save_file_name, sep=',', encoding='utf-8')
3. 生成好友头像图片墙
首先同样需要获取好友的头像,并保存到本地,代码如下:
def save_head_photo(save_photo_dir):itchat.auto_login(hotReload=True)itchat.dump_login_status()friends = itchat.get_friends(update=True)[1:]# 采集好友头像并保存到本地num = 0for fri in friends:img = itchat.get_head_img(userName=fri['UserName'])img_path = os.path.join(save_photo_dir, str(num) + '.jpg')if not os.path.exists(img_path):file_image = open(img_path, 'wb')file_image.write(img)file_image.close()num += 1print('完成好友头像保存至路径: ', save_photo_dir)
其中获取头像的函数是 itchat.get_head_image()
。
接着就是生成好友头像的图片墙,这里有两种方式,第一种是比较常规的生成方法。首先需要导入以下库
import itchat
import math
import PIL.Image as Image
import os
接着是设置画布大小及每行的头像数量,头像的大小,代码是:
# 画布大小image_size = 1280# 算出每张图片的大小多少合适each_size = int(math.sqrt(float(image_size * image_size) / len(ls)))# 每行图片数量lines = int(image_size / each_size)print('each_size={}, lines={}'.format(each_size, lines))# 创建 1280*1280 的画布image = Image.new('RGBA', (image_size, image_size))
利用的是 pillow
库,安装方式是 pip install pillow
。这里我设置的画布大小就是 1280 * 1280。
然后就是读取保存的头像,并逐一粘贴到画布上,代码如下:
# 读取保存的好友头像图片
ls = os.listdir(save_photo_dir)
for i in range(0, len(ls)):try:img_path = os.path.join(save_photo_dir, str(i) + ".jpg")img = Image.open(img_path)except IOError:print("Error for image: {}".format(img_path))else:img = img.resize((each_size, each_size), Image.ANTIALIAS)image.paste(img, (x * each_size, y * each_size)) # 粘贴位置x += 1if x == lines: # 换行x = 0y += 1image.save(os.path.join(os.getcwd(), "好友头像拼接图.jpg"))
第二种是参考了 当 Python 遇上你的微信好友 介绍的第三方库 photomosaic
,安装方法也很简单:
pip install photomosaic
这个第三方库可以生成蒙太奇马赛克风格的图片或者视频。
实现代码如下:
import photomosaic as pmdef create_photomosaic(save_photo_dir, background_photo):# 读取背景图片bg_photo = pm.imread(background_photo)# 读取好友头像图片,定义图片库pool = pm.make_pool(os.path.join(save_photo_dir, '*.jpg'))# 制作 50*50 的拼图马赛克image = pm.basic_mosaic(bg_photo, pool, (50, 50))# 保存结果pm.imsave('马赛克好友头像图片.jpg', image)
其中上述的四行代码也是最基本的使用代码,包括:
选择背景图片
定义图片库
制作马赛克拼图
保存图片
这里我简单选择了下面这张背景图片:
生成结果如下:
小结
简单运用 itchat 实现了以上三个小应用,实际上还可以有更多的应用,比如再根据好友信息分析性别比例、好友区域分布、签名的情感分析、关注的公众号类别、给特定的好友发送信息,以及制作微信机器人等。
本文的代码已经上传到 github 上:
https://github.com/ccc013/Python_Notes/tree/master/Projects/wechatProjects/itchat
也可以按如下操作获取代码:
1.关注公众号“机器学习与计算机视觉”itchat",即可获取代码
参考:
手把手教你用itchat统计好友信息,了解一下?
当 Python 遇上你的微信好友
欢迎关注我的微信公众号--机器学习与计算机视觉,或者扫描下方的二维码,大家一起交流,学习和进步!
往期精彩推荐
机器学习系列
初学者的机器学习入门实战教程!
模型评估、过拟合欠拟合以及超参数调优方法
常用机器学习算法汇总比较(完)
常用机器学习算法汇总比较(上)
机器学习入门系列(2)--如何构建一个完整的机器学习项目(一)
特征工程之数据预处理(上)
Github项目 & 资源教程推荐
[Github 项目推荐] 一个更好阅读和查找论文的网站
[资源分享] TensorFlow 官方中文版教程来了
必读的AI和深度学习博客
[教程]一份简单易懂的 TensorFlow 教程
[资源]推荐一些Python书籍和教程,入门和进阶的都有!
[Github项目推荐] 机器学习& Python 知识点速查表
[Github项目推荐] 推荐三个助你更好利用Github的工具
Github上的各大高校资料以及国外公开课视频
这些单词你都念对了吗?顺便推荐三份程序员专属英语教程!