decrypt-wechat-db

tools

最近几天做了一个提取微信聊天，做成词云的工具，记录在这里，防止忘记~

step1 提取微信聊天数据库

这一步最好的方式是通过电脑版微信，备份手机微信，之后再用安卓模拟器重新载入聊天记录，获取聊天记录的db文件。

电脑板微信点击下面，迁移与备份

image-20230503205907647

image-20230503205947393

这里要注意！如果出现”网络情况复杂，请稍后再试“，无论是不是用同一网络都不行！

此时需要进入网络设置，禁用VMWARE的虚拟网卡。

image-20230503210126549

之后在手机上面，选择想要生成词云的人的消息记录，导出到电脑即可。注意这里比较坑，一旦模拟器登录，电脑就会登出，而电脑登陆又要手机扫码。。解决办法是在模拟器里扫码，直接用模拟器的扫一扫，把微信的二维码扫一下就可以了。

之后下载安卓模拟器。我在夜神模拟器7.0.5.6测试可以成功。在夜神模拟器中导入此聊天记录(漫长的等待)

导入之后，需要在root模式下，进入文件管理器，找到对应数据库文件。这里的路径是**/data/data/com.tencent.mm/MicroMsg**。注意不需要下载什么文件管理器，直接用夜神模拟器自带的文件管理系统就可以了。

image-20230503210609793

点了这个文件助手之后，需要设置一个电脑共享路径。这样就可以在模拟器和主机之间，直接通过文件系统传递文件。

image-20230503210635808

之后找到上述路径。看到这里有一个很长的文件夹名字。(如果有多个，选择最近修改的那个)点进去。这里就是5014…的文件夹

image-20230503210839019

找到其中的EnMicroMsg.db。将他复制出来。方法就是点击文件最右边的三个点，选择复制，粘贴到和电脑的共享路径就可以了。

image-20230503211015472

导出之后需要安装一个sqlcipher.exe。这个原版的网上找不到了，大家也可以自己下载开源的，这里我直接放一个exe文件，大家放心的话可以直接下载来用

step2解密数据库密码

将之前导出的db文件放入sqlcipher.exe，发现文件是加密的。需要输入密码。网上对于这个密码有很多说法，什么uid，什么默认密码。但是现在都不一定对。一个比较推荐的方法是通过fridahook，提取出密码。

首先需要在模拟器和电脑上安装frida。模拟器上安装需要首先安装adb。安装frida可以参考这篇文章。注意要在模拟器里面下载的是server。并且如果是模拟器，要下载x86架构的。之后在电脑上安装python的frida环境。在一切准备就绪之后，可以用下面的脚本hook微信数据库解密db时用到的密码。可以参考此链接

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
import frida 
import sys   
 
jscode = """
    Java.perform(function(){ 
        var utils = Java.use("com.tencent.wcdb.database.SQLiteDatabase"); // 类的加载路径
         
        utils.openDatabase.overload('java.lang.String', '[B', 'com.tencent.wcdb.database.SQLiteCipherSpec', 'com.tencent.wcdb.database.SQLiteDatabase$CursorFactory', 'int', 'com.tencent.wcdb.DatabaseErrorHandler', 'int').implementation = function(a,b,c,d,e,f,g){  
            console.log("Hook start......");
            var JavaString = Java.use("java.lang.String");
            var database = this.openDatabase(a,b,c,d,e,f,g);
            send(a);
            console.log(JavaString.$new(b));
            send("Hook ending......");
            return database;
        };
         
    });
"""
 
 
def on_message(message,data): #js中执行send函数后要回调的函数
    if message["type"] == "send":
        print("[*] {0}".format(message["payload"]))
    else:
        print(message)
     
process = frida.get_remote_device()
pid = process.spawn(['com.tencent.mm']) #spawn函数：进程启动的瞬间就会调用该函数
session = process.attach(pid)  # 加载进程号
script = session.create_script(jscode) #创建js脚本
script.on('message',on_message) #加载回调函数，也就是js中执行send函数规定要执行的python函数
script.load() #加载脚本
process.resume(pid)  # 重启app
sys.stdin.read()

运行之后即获得数据库解密密码。如果到时候API变了，也可以用类似的方法hook一遍。

step3生成词云

在打开db之后，需要找到message这个数据库(没有什么好办法，一行一行找的)选中，导出成csv文件

image-20230503213544269

image-20230503213625702

之后就有一个excel文件，找到里面的content，就对应了发的消息的内容~

image-20230503213713834

把这些全部复制出来就可以啦。接下来要生成词云

3.1过滤

过滤消息中的乱码之类的。我通过以下脚本实现。其中message.txt是原本的消息，fliter_msg.txt是过滤之后的消息。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
fin = open("message.txt","r",encoding='utf-8')
fout = open("fliter_msg.txt","w",encoding="utf-8")
cnt = 0
stop = ["<",">","https://","wxid",";","\"","撤回","&"]
while(True):
    bad = 0
    i =  fin.readline()
    if(not i):
        break
    for j in stop:
        if(i.find(j)!=-1):
            bad = 1
    if(not bad):
        fout.write(i)
    cnt += 1
    if(cnt % 100 == 0):
        print("now process {}", cnt)
fin.close()
fout.close()

3.2 分词

这一步我用了jieba的paddle模式。可能会比直接用jieba更好一些? 安装过程如下

1
2
3
4
5
6
pip install jieba
# 旧版本升级
pip install jieba --upgrade
# 使用paddle模式：结巴版本大于0.4且安装paddlepaddle-tiny模块
pip install paddlepaddle-tiny==1.6.1

脚本如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
import jieba
import jieba.posseg as pseg


# fin = open("fliter_msg_small.txt","r",encoding="utf-8")
fin = open("fliter_msg.txt","r",encoding="utf-8")
fout_noun = open("fliter_msg_noun.txt","w",encoding="utf-8")
fout_adj = open("fliter_msg_adj.txt","w",encoding="utf-8")
content = fin.read()
jieba.enable_paddle() #启动paddle模式。
words = pseg.cut(content,use_paddle=True) #paddle模式
print('paddle模式')
cnt = 0
for word, flag in words:
    cnt +=1
    if(flag == "n" or flag == "nr" or flag == "nz"):
        # print('%s %s' % (word, flag))
        fout_noun.write(word)
        fout_noun.write("\n")
    if(flag == "a" or flag == "ad"):
        fout_adj.write(word)
        fout_adj.write("\n")
    if(cnt % 100000 == 0):
        print("now process {}",cnt)

fin.close()
fout_noun.close()
fout_adj.close()
print('+'*10)

之后生成两个文件fliter_msg_noun.txt代表名词，fliter_msg_adj.txt代表形容词。

3.3生成词云

这里可以直接用wordcloud库。代码也很简单

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# 示例代码
from wordcloud import WordCloud
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import jieba

# 打开文本

with open("fliter_msg.txt",encoding="utf-8") as f:
    s = f.read()

# 中文分词
text = ' '.join(jieba.cut(s))

# 生成对象
img = Image.open("./background/pkq.jpg") # 打开遮罩图片

mask = np.array(img) #将图片转换为数组

stopwords = ["我","你","她","的","是","了","在","也","和","就","都","这","好","啊","吧","吗","嘛"]
wc = WordCloud(font_path="./STFangSong.ttf", # 这个ttf文件可以上网自己找，我这里是宋体
               mask=mask,
               width = img.width,
               height = img.height,
               background_color='white',
               max_words=500,
               stopwords=stopwords).generate(str(text))

# 显示词云
plt.imshow(wc, interpolation='bilinear')# 用plt显示图片
plt.axis("off")  # 不显示坐标轴
plt.show() # 显示图片

# 保存到文件
# wc.to_file("pic.png")

注意这里的遮罩图片，必须选择蒙版类型的。可以上网搜索，下载比较好康的。之后就保存好啦。效果图如下~做了一点马赛克

image-20230503214622287

其实想想这整个过程，如果要自己做的话，包括了安卓逆向、中文分词、数据可视化等好多步骤，甚至可以作为一种综合练习~hhhh

参考链接

  1. https://zhuanlan.zhihu.com/p/163666886(但是这里的数据库密码不对，现在测下来只能通过frida hook的方式获取了，一定要装好环境，使用adb等)

本文标题:decrypt-wechat-db

文章作者:

发布时间:2023-05-03, 20:48:48

最后更新:2023-05-03, 21:49:42

原始链接:https://nicholas-wei.github.io/2023/05/03/decrypt-wechat-db/

许可协议: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。

文章目录
  1. 1. step1 提取微信聊天数据库
  2. 2. step2解密数据库密码
  3. 3. step3生成词云
    1. 3.1. 3.1过滤
    2. 3.2. 3.2 分词
    3. 3.3. 3.3生成词云
  4. 4. 参考链接
|