当前位置：首页 > news >正文

解密微信聊天记录,语音,表情,照片, 生成可训练的数字分身

news 2026/8/11 12:52:37

name: “wechat-decrypt”
description: “解密微信 4.x 数据库并导出聊天记录、语音、表情、照片，生成可训练的对话语料。当用户要求提取/破解微信数据、导出微信媒体（语音/表情/图片）、或为数字分身准备聊天训练语料时使用。”

微信聊天记录解密与语料提取工具包

用途

把微信 4.x 客户端的加密数据库解密出来，导出指定联系人的完整聊天记录、语音、表情包、照片，并整理成可用于训练"数字分身"（AI 人格模仿）的对话语料。

工具包位置：E:\project\yeyu\tools\wechat-decrypt\
已完成的导出示例：E:\project\yeyu\tools\wechat-decrypt\wechat_files\wxid_tx2otle9oiod22\kemy\（含 chat_enriched.txt / voice/ / images/ / emoji/ / asr/）

运行环境（前置条件）

项	要求	说明
操作系统	Windows 10/11	密钥提取依赖进程内存扫描，必须 Windows
权限	管理员权限运行终端	读 Weixin.exe 进程内存需要提权
微信	微信 4.x 已登录并保持运行	提取密钥的瞬间需要进程在跑；密钥每小时刷新，提取后立刻解密
Python	3.10+	脚本兼容性按 3.10 验证
依赖	`pip install -r requirements.txt`	含 pycryptodome、zstandard、pilk、faster-whisper 等
第三方	ffmpeg	语音/视频转换需要，加入 PATH

配置文件（关键）

编辑config.json（工具包根目录），核心字段：

{"db_dir":"C:\\Users\\<用户名>\\xwechat_files\\<wxid>_<端口>\\db_storage","keys_file":"E:\\project\\yeyu\\tools\\wechat-decrypt\\all_keys.json","decrypted_dir":"E:\\project\\yeyu\\tools\\wechat-decrypt\\decrypted","wechat_base_dir":"C:\\Users\\<用户名>\\xwechat_files\\<wxid>_<端口>","output_base_dir":"E:\\project\\yeyu\\tools\\wechat-decrypt\\wechat_files\\<wxid>_<端口>","xwechat_attach_dir":"...\\msg\\attach","image_aes_key":"5b731f508c779a63","image_xor_key":145}

完整流程

阶段 0：环境准备

确认微信 4.x 正在运行、已登录目标账号
管理员权限打开 PowerShell
安装依赖：cd E:\project\yeyu\tools\wechat-decrypt; pip install -r requirements.txt
检查/更新config.json（见上表）

阶段 1：破解/提取数据库密钥（核心步骤，务必细读本节）

1.1 原理：为什么能从内存里"捡"到密钥

微信数据库由 SQLCipher 加密，密钥本身无法暴力破解（PBKDF2 迭代 256000 次）。但微信使用的 WCDB 数据库引擎会为每个 DB 缓存解密密钥，缓存在微信进程内存中，形式是 SQLite 的 hex 字面量字符串：

x'<64位十六进制=enc_key><32位十六进制=salt>' x'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyyy' |<------------ 32 字节加密密钥 ----------->|<-------- 16 字节 salt -------->|

关键点：salt（盐）同时以明文存在每个数据库文件的前 16 字节里。所以提取思路是：

遍历微信数据目录所有.db文件，读出每个文件头部的salt
扫描Weixin.exe全部可读内存，用正则x'([0-9a-fA-F]{64,192})'找出所有 key+salt 字符串
把内存里的 salt 和文件里的 salt 对上号，再用HMAC-SHA512 校验第 1 页（verify_enc_key）确认真伪
所有匹配成功的 enc_key 写入keys_file（JSON）

这就是"提取"而非"破解"——只是从运行中的进程内存里把缓存读出来。所以微信必须在运行状态，且要有管理员权限才能读进程内存。

1.2 运行命令

# 管理员 PowerShell，工具包根目录 python find_all_keys.py

执行后会依次做两件事：

（A）离线爆破图片 AES 密钥（find_image_key_offline）

从msg/attach/*/*/Img/*_t.dat缩略图文件推导 XOR key，再对 UIN 空间（2^24）多进程爆破出图片 AES key
若微信里从没打开过图片（无_t.dat缓存），这一步会跳过并提示"请先在微信中查看 2-3 张图片"
成功则自动写回config.json的image_aes_key/image_xor_key，该密钥只用于图片解密，与数据库无关

（B）提取所有数据库 key（find_all_keys_windows.main）

收集db_dir下所有.db的 salt
通过tasklist找所有Weixin.exe进程（按内存降序，多进程都扫）
VirtualQueryEx+ReadProcessMemory逐块读取可读内存区域（每块 <500MB，跳过不可读区）
正则匹配 → salt 配对 → HMAC 校验 → 记录到key_map

1.3 预期输出（对照判断进度）

提取所有微信数据库密钥 找到 37 个数据库, 12 个不同的salt salt a1b2...: message_0.db, message_1.db ... [+] Weixin.exe PID=1234 (2800MB) [*] 扫描 PID=1234 (3200MB, 42 区域) [12.5%] 0/12 salts matched, 2351 hex patterns, 21.3s ... [FOUND] salt=a1b2... enc_key=5f3d... PID=1234 地址: 0x000002A1F3C4D500 数据库: message_0.db, message_1.db

判定成功：所有 salt 都打印[FOUND]，最后一行：

结果: 12/12 salts 找到密钥 OK: message_0.db (12.3MB) OK: message_1.db ... 密钥保存到: E:\...\all_keys.json

产物all_keys.json格式（供decrypt_db.py使用）：

{"message_0.db":{"enc_key":"5f3d...64位hex","salt":"a1b2...32位hex","size_mb":12.3},"message_1.db":{"enc_key":"...","salt":"...","size_mb":8.1},"_db_dir":"C:\\Users\\25844\\xwechat_files\\wxid_xxx_8804\\db_storage"}

1.4 耗时说明（为什么会花很长时间）

因素	影响
内存扫描量	Weixin.exe 常占 2~4GB，全量逐块读取 + 正则匹配是主要耗时（几分钟量级）
多进程	微信渲染/子进程也扫，进程越多越久
salt 数量	每命中一个 salt 就少匹配一个，越到后面越快
图片爆破	UIN 2^24 空间，多核并行下一般 1~3 分钟

整体上首次提取 3~10 分钟属正常。中途的[12.5%]进度行不是卡死，是正常的区域扫描进度。

1.5 失败排查表（按出现频率排序）

现象	原因	处理
`Weixin.exe 未运行`	微信没开/已退出	重新登录微信并保持前台运行
`无法打开进程 PID=xxx`	权限不足	用管理员权限重开 PowerShell，杀软临时放行 python.exe
扫完`0/12 salts matched`	微信登录太短，key 缓存未建立 / 权限不足读不到内存	确认微信登录 >2 分钟、检查管理员权限，重跑
部分 DB`MISSING`	该库 salt 未在内存中（key 未缓存）	先解密已找到的，未找到的库可等下次微信运行重试
图片密钥爆破跳过	无`_t.dat`缩略图缓存	在微信里打开 2-3 张聊天图片，再重跑`find_all_keys.py`
目录名不是`wxid_xxx_端口`	无法推导图片 key	检查`config.json`的`db_dir`是否为微信默认账号目录
提取成功但解密报错	key 是旧会话的，微信已刷新密钥	key 约每小时刷新，提取后立即执行阶段 2 解密

1.6 提速与稳妥建议

提取前关掉其他大内存程序，减少微信进程分页（分页的内存读不到）
提取成功后立刻解密（密钥有时效，别隔天再跑）
可先只提取、不着急图片爆破：图片密钥是独立步骤，不影响聊天记录解密

阶段 2：解密数据库

python decrypt_db.py # 全量解密 python decrypt_db.py -i # 增量（只解更新的库） python decrypt_db.py --dry-run # 预览将解密的库

读取db_dir下message_*.db、micro_msg.db等加密库，按 key 解密
输出到decrypted_dir（本项目decrypted/），得到明文 SQLite（message_0..6.db）
注意：解密前若存在 -wal/-shm 残留，脚本会处理；若报"database disk image is malformed"，删除对应 -wal/-shm 后重试

阶段 3：导出聊天记录（通用）

python export_all_chats.py

把解密后的数据库导出为 JSON / CSV / HTML（按联系人拆分，自动关联媒体）
也可启动 Web UI 交互查看：python monitor_web.py→ 浏览器打开 http://localhost:5678

阶段 4：导出目标联系人的媒体（图片/表情/语音）

本项目的定制脚本硬编码了目标 wxid 和输出路径，换联系人必须先改脚本顶部常量（见"关键常量"一节）：

# 图片：解密 dec_all 目录下微信图片（V1/V2/XOR 解码）python batch_decrypt_save.py# 照片：全量导出到 kemy/images/（含 HEVC 解码，依赖 cv2）python export_photos.py# 表情包：下载/整理 emoji 到 kemy/emoji/，生成覆盖报告 emoji_report.txtpython finalize_emoji_all.py# 语音：SILK → WAV 转换（命名 日期_时间_序号.wav）→ kemy/voice/# 参考 voice_to_mp3.py 或 pilk 库转换，输出目录由脚本常量指定

阶段 5：语音转写（ASR）

python asr_kemy_voice_parallel.py

本地 faster-whisper（模型目录tools/wechat-decrypt/models/small），CPU int8，2 进程并行
输入kemy/voice/*.wav，输出kemy/asr/transcripts.csv（filename, datetime, duration_s, text）
断点续跑：已转写的自动跳过

阶段 6：生成训练语料（数字分身用）

python export_kemy_full.py # 精确 join ASR 转写，输出统一 chat.txt python export_kemy_enriched.py # 增强版：媒体消息带具体文件标识，严格时间线

输出kemy/combined/chat_enriched.txt，格式：
- 文本消息：直接输出
- 图片：[图片:md5.jpg]
- 表情：[表情:md5.gif]
- 语音：[语音:xxx.wav] 转录文本
- 按(create_time, local_id)严格时间线排序
同时生成media_sender_map.csv（每条媒体是哪个发送者发的），供区分"我方/对方"

关键常量（换目标联系人必须改）

本项目以kemy为例，常量散落在各脚本顶部，换人时全局搜索替换：

常量	本项目值	说明
`SELF_WXID`	`wxid_tx2otle9oiod22`	你自己（本机账号）的 wxid
`KEMY`（目标）	`wxid_wx3ikgdnfk4u22`	目标联系人的 wxid
消息表名	`Msg_`+ md5(目标wxid)	`Msg_`+ 目标 wxid 的 md5 十六进制
`MESSAGE_DBS`	`message_0..6.db`	解密后的消息库列表
输出根	`...\wechat_files\<wxid>_<端口>\kemy`	目标联系人导出目录

输出物清单\

wechat_files/wxid_tx2otle9oiod22/xxxx/ ├── combined/chat_enriched.txt # 最终训练语料（严格时间线、媒体标识） ├── voice/*.wav # 全部语音（724 个，137 分钟） ├── images/*.jpg # 照片（dec_all 解码后全量导出） ├── emoji/*.gif # 表情包 + emoji_report.txt ├── asr/transcripts.csv # 语音转写文本 └── media_sender_map.csv # 媒体-发送者映射