chat miner

---

chat-miner: เปลี่ยนการแชทของคุณให้เป็นงานศิลปะ

---

chat-miner ให้ตัวแยกวิเคราะห์แบบลีนสำหรับทุกแพลตฟอร์มหลักที่เปลี่ยนการแชทให้เป็นดาต้าเฟรม การแสดงภาพเชิงศิลปะช่วยให้คุณสามารถสำรวจข้อมูลของคุณและสร้างงานศิลปะจากการแชทของคุณ

1. การติดตั้ง

รุ่นล่าสุดรวมถึงการพึ่งพาสามารถติดตั้งผ่าน PyPI:

pip install chat-miner

หากคุณสนใจที่จะมีส่วนร่วม ใช้งานซอร์สโค้ดล่าสุด หรือเพียงต้องการสร้างทุกอย่างด้วยตัวเอง:

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

2. ส่งออกบันทึกการแชท

ดูบทช่วยสอนอย่างเป็นทางการสำหรับ WhatsApp, Signal, Telegram, Facebook Messenger หรือ Instagram Chats เพื่อเรียนรู้วิธีส่งออกบันทึกการแชทสำหรับแพลตฟอร์มของคุณ

3. การแยกวิเคราะห์

รหัสต่อไปนี้นำเสนอโมดูล WhatsAppParser การใช้งาน SignalParser , TelegramJsonParser , FacebookMessengerParser และ InstagramJsonParser เป็นไปตามรูปแบบเดียวกัน

 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

หมายเหตุ: Python จำเป็นต้องแปลงเส้นทางไฟล์เป็นสตริงดิบ ทั้งนี้ขึ้นอยู่กับระบบต้นทางของคุณ

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

4. การแสดงภาพ

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

4.1 Heatmap: จำนวนข้อความต่อวัน

 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: จำนวนข้อความต่อวัน

 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: ความถี่ของ Word

 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: จำนวนข้อความต่อวันทำงาน

 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. การประมวลผลภาษาธรรมชาติ

5.1 เพิ่มความรู้สึก

 from chatminer . nlp import add_sentiment

df_sentiment = add_sentiment ( df )

5.2 โครงเรื่องตัวอย่าง: ความรู้สึกต่อผู้เขียนใน 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. อินเทอร์เฟซบรรทัดคำสั่ง

CLI รองรับการแยกวิเคราะห์บันทึกการแชทเป็นไฟล์ CSV ณ ขณะนี้ คุณยังสร้างการแสดงภาพจาก CLI โดยตรง ไม่ได้

ตัวอย่างการใช้งาน:

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

คู่มือการใช้งาน:

 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