项目目标

1. 对QQ群聊天记录进行读取，存入多种格式中（目前支持json）
2. 对QQ群聊天记录进行分析，提取有价值的信息
3. 对QQ群聊天记录进行可视化

使用案例

extractor=DialogExtractor('D:\pywork\数据库\聊天记录\厦大选课交流群（思明）.txt')
extractor.extract_dialog()
extractor.save_json() #存为json格式数据
data=extractor.load_json_dataframe() #读取为dataframe
analysis=Analysis(data) #初始化分析器
analysis.key_word_frequency(['避雷','给分']) #用户关键词统计
analysis.time_frequency(time='weekday') #群按时间的聊天频数统计
analysis.image_frequency() #发图和表情包统计
analysis.group_sentiment(period_start='2023-2-10',period_end='2023-5-10',rule='W') #获取2023年2月10日到2023年5月10日之间按周的群情感统计
analysis.user_content_frequency() #发言次数统计
analysis.time_most_user(time='hour') #每个时间点发言最多的群友
word_freq=analysis.word_count(stopwords_path=[],user_dict_path=[],n=30,is_chinese=True) #词频统计，可设置停用词和自定义词，可设置读取多少词频以上的词以及是否只读取中文
visual=Visualize()
visual.word_cloud(word_freq) #生成词云图
visual.simple_visual() #传入之前analysis得到的结果,还有期望的x,y轴的列

工作流

1. 初始化提取器，传入聊天记录txt文件进行读取，可获取dataframe格式数据以备分析
2. 初始化分析器，对之前读取的聊天记录进行分析，统一获取dataframe结果
3. 初始化可视化器，进行可视化

目前功能

读取工具

1. 对txt导出聊天记录进行提取并输出json文件
2. 将提取内容转为pandas的dataframe进行分析

分析工具

1. 指定关键词获取群友的使用这些词的次数
2. 群友发言总次数统计
3. 群按时间序列的聊天频率统计
4. 时间序列的发言最多的用户及其次数
5. 获取每个人的发图次数，发图占发言占比，表情次数，表情占比，表情和图片的占比
6. 添加全部聊天记录的词频分析，找到群里最常用的词和热门话题
7. 情感分析，即情绪变化和话题情感倾向、并获取按时、天、月、年的统计

可视化工具

1. plotly简单可视化
2. 提供词云可视化，使用pyecharts

目前目标

1. 获取每个人的活跃时间，即一日有发言一定次数被视为活跃，可以扩展到一小时即活跃小时数
2. （较难）分析小团体的形成如@和回复和一个时间段上的互动，并用networkx库等可视化

示例图片