在微信好友信息抓取這一塊，這才是最好的python分析技巧！

elif code == '408': # 超時
pass
# elif code == '400' or code == '500':
return code
def login():

所返回的json結果如下圖所示

暱稱、微信號、城市、性別、星標好友、頭像、個性簽名、備註。提取以上信息，對頭像圖片進行下載，並對數據進行簡單的清洗等等，最後一列為微信號不方便顯示。

第二步：性別統計和地區分佈

使用python的pandas科學計算庫進行簡單的統計，如果你沒有用過，可以轉至如下鏈接進行安裝學習：【原】十分鐘搞定pandas

只要掌握了非常簡單的pandas只是就可以繼續往下看做以下統計

（1）、所有好友的男女比例

（2）、所有好友的城市分佈

（3）、統計認識的朋友以及佔所有朋友的百分比

統計方法：所有朋友 - 沒有備註的朋友 - 備註與暱稱相同的朋友

（4）、統計認識的朋友中的男女比例

統計方法：對三的結果再進行男女劃分即可得到結果

把結果做成簡單的圖表（主要使用了百度的 echarts 作圖）

使用地圖慧江蘇省好友分佈，這個編碼我不知怎麼回事，可能是瀏覽器問題，回頭我用其它瀏覽器查看一下。

最後再生成省份好友分佈地圖

最後運用opencv的圖像識別進行人像識別，統計微信好友中用人像作為頭像的好友人數。OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基於BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。

如果你對opencv不是很瞭解，你可以按照以下的鏈接進行學習。

你可以去它的官網：http://opencv.org/ （需要有一定的英語知識）

國內也有一些比較好的博客資源，比如以下兩個

如下開始是對抓取的朋友頭像進行遍歷識別是否含有人臉，代碼如下。

#!/usr/bin/env python
'''
face detection using haar cascades
USAGE:
 facedetect.py [--cascade ] [--nested-cascade ] []
'''
# Python 2/3 compatibility
from __future__ import print_function
import numpy as np
import cv2
# local modules
from video import create_capture
from common import clock, draw_str
def detect(img, cascade):
 rects = cascade.detectMultiScale(img, scaleFactor=1.3, minNeighbors=4, minSize=(30, 30),
 flags=cv2.CASCADE_SCALE_IMAGE)
 if len(rects) == 0:
 return []
 rects[:,2:] += rects[:,:2]
 return rects
def draw_rects(img, rects, color):
 for x1, y1, x2, y2 in rects:
 cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
if __name__ == '__main__':
 import sys, getopt
 print(__doc__)
 count = 0
 for i in range(1,1192): 

 print(str(i))
 args, video_src = getopt.getopt(sys.argv[1:], '', ['cascade=', 'nested-cascade='])
 try:
 video_src = video_src[0]
 except:
 video_src = 0
 args = dict(args)
 cascade_fn = args.get('--cascade', "../../data/haarcascades/haarcascade_frontalface_alt.xml")
 nested_fn = args.get('--nested-cascade', "../../data/haarcascades/haarcascade_eye.xml")
 cascade = cv2.CascadeClassifier(cascade_fn)
 nested = cv2.CascadeClassifier(nested_fn)
 cam = create_capture(video_src, fallback='synth:bg=../data/friend/friendImage/image'+str(i)+'.jpg:noise=0.05')
 ret, img = cam.read()
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 gray = cv2.equalizeHist(gray)
 rects = detect(gray, cascade)
 vis = img.copy()
 draw_rects(vis, rects, (0, 255, 0))
 
 if not nested.empty():
 if len(rects) == 0:
 print('none')
 else:
 count = count + 1
 print(str(count))
 input()

執行以上代碼統計出最後的結果

使用人像做頭像的好友：59 因此不使用人像的1133，看來使用人像的人還是很少的。

運行提取人像頭像的代碼最後提取出的頭像如下所示 ，不得不說Python的庫真是十分的有用。（因為涉及到隱私，所以這裡不會展示過多的頭像）

最近仍然在研究簽名以及頭像的可用之處，也是歡迎大家一起學習交流。同時希望以上的內容可以提升一下大家的學習興趣。關於微信好友的更多挖掘會不斷進行。

（1）、人像頭像與年齡之間的關係（由於微信沒有年齡，於是想通過知乎進行推算）

（2）、個性簽名與年齡性格之間的關係

（3）、微信號中所包含信息推算年齡層次，預測當前微信號年齡

閱讀更多 徒手憶歲月 的文章

關鍵字: Member 微信 訴述