chat miner

---

chat-miner: ubah obrolan Anda menjadi karya seni

---

chat-miner menyediakan parser ramping untuk setiap platform utama yang mengubah obrolan menjadi kerangka data. Visualisasi artistik memungkinkan Anda menjelajahi data dan membuat karya seni dari obrolan Anda.

1. Instalasi

Rilis terbaru termasuk dependensi dapat diinstal melalui PyPI:

pip install chat-miner

Jika Anda tertarik untuk berkontribusi, menjalankan kode sumber terbaru, atau hanya ingin membuat semuanya sendiri:

git clone https://github.com/joweich/chat-miner.git
cd chat-miner
pip install . 

2. Mengekspor log obrolan

Lihat tutorial resmi untuk WhatsApp, Signal, Telegram, Facebook Messenger, atau Obrolan Instagram untuk mempelajari cara mengekspor log obrolan untuk platform Anda.

3. Penguraian

Kode berikut menampilkan modul WhatsAppParser . Penggunaan SignalParser , TelegramJsonParser , FacebookMessengerParser , dan InstagramJsonParser mengikuti pola yang sama.

 from chatminer . chatparsers import WhatsAppParser

parser = WhatsAppParser ( FILEPATH )
parser . parse_file ()
df = parser . parsed_messages . get_df ( as_pandas = True ) # as_pandas=False returns polars dataframe

Catatan: Bergantung pada sistem sumber Anda, Python perlu mengonversi jalur file menjadi string mentah.

 import os
FILEPATH = r"C:UsersUsernamechat.txt" # Windows
FILEPATH = "/home/username/chat.txt" # Unix
assert os . path . isfile ( FILEPATH )

4. Visualisasi

 import chatminer . visualizations as vis
import matplotlib . pyplot as plt

4.1 Peta Panas: Jumlah pesan per hari

 fig , ax = plt . subplots ( 2 , 1 , figsize = ( 9 , 3 ))
ax [ 0 ] = vis . calendar_heatmap ( df , year = 2020 , cmap = 'Oranges' , ax = ax [ 0 ])
ax [ 1 ] = vis . calendar_heatmap ( df , year = 2021 , linewidth = 0 , monthly_border = True , ax = ax [ 1 ])

4.2 Sunburst: Jumlah pesan per siang hari

 fig , ax = plt . subplots ( 1 , 2 , figsize = ( 7 , 3 ), subplot_kw = { 'projection' : 'polar' })
ax [ 0 ] = vis . sunburst ( df , highlight_max = True , isolines = [ 2500 , 5000 ], isolines_relative = False , ax = ax [ 0 ])
ax [ 1 ] = vis . sunburst ( df , highlight_max = False , isolines = [ 0.5 , 1 ], color = 'C1' , ax = ax [ 1 ])

4.3 Wordcloud: Frekuensi kata

 fig , ax = plt . subplots ( figsize = ( 8 , 3 ))
stopwords = [ 'these' , 'are' , 'stopwords' ]
kwargs = { "background_color" : "white" , "width" : 800 , "height" : 300 , "max_words" : 500 }
ax = vis . wordcloud ( df , ax = ax , stopwords = stopwords , ** kwargs )

4.4 Radarchart: Jumlah pesan per hari kerja

 if not vis . is_radar_registered ():
	vis . radar_factory ( 7 , frame = "polygon" )
fig , ax = plt . subplots ( 1 , 2 , figsize = ( 7 , 3 ), subplot_kw = { 'projection' : 'radar' })
ax [ 0 ] = vis . radar ( df , ax = ax [ 0 ])
ax [ 1 ] = vis . radar ( df , ax = ax [ 1 ], color = 'C1' , alpha = 0 )

5. Pemrosesan Bahasa Alami

5.1 Tambahkan Sentimen

 from chatminer . nlp import add_sentiment

df_sentiment = add_sentiment ( df )

5.2 Contoh Plot: Sentimen per Penulis di Groupchat

 df_grouped = df_sentiment . groupby ([ 'author' , 'sentiment' ]). size (). unstack ( fill_value = 0 )
ax = df_grouped . plot ( kind = 'bar' , stacked = True , figsize = ( 8 , 3 ))

6. Antarmuka Baris Perintah

CLI mendukung penguraian log obrolan ke dalam file csv. Saat ini, Anda tidak dapat membuat visualisasi dari CLI secara langsung.

Contoh penggunaan:

$ chatminer -p whatsapp -i exportfile.txt -o output.csv

Panduan penggunaan:

 usage: chatminer [-h] [-p {whatsapp,instagram,facebook,signal,telegram}] [-i INPUT] [-o OUTPUT]

options:
  -h, --help 
                        Show this help message and exit
  -p {whatsapp,instagram,facebook,signal,telegram}, --parser {whatsapp,instagram,facebook,signal,telegram}
                        The platform from which the chats are imported
  -i INPUT, --input INPUT
                        Input file to be processed
  -o OUTPUT, --output OUTPUT
                        Output file for the results