itchat 保存好友信息以及生成好友头像图片墙
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 = 0
for 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 += 1
print('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 += 1
if x == lines: # 换行
x = 0
y += 1
image.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 pm
def 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 ”
2.在公众号后台回复“
itchat
“，即可获取代码
参考：
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
Github项目 & 资源教程推荐
About The Author
