WhatsApp 聊天记录如何导出为 CSV？使用 Python 进行数据分析

前言

在日常工作中，WhatsApp 不仅用于即时通讯，也经常承担客户沟通、项目协作和群组讨论等任务。

当聊天记录越来越多时，如果想统计每天的消息数量、分析不同时间段的沟通频率，或者快速筛选某个关键词，直接在 WhatsApp 中逐条查看显然不够方便。

一种可行的方案是：先将 WhatsApp 聊天记录导出为 CSV，再使用 Python 对数据进行处理。

本文将介绍从聊天数据导出、CSV 读取、数据清洗到基础统计分析的完整流程。

一、整体实现思路

整个流程可以分为四个步骤：

从 WhatsApp 导出聊天记录。
将聊天数据保存为 CSV 格式。
使用 Python 和 pandas 读取数据。
对消息数量、时间分布及关键词进行分析。

CSV 是一种通用的数据交换格式，可以使用 Excel、Python 或其他数据分析工具进行处理。

相比直接解析聊天界面，使用结构化数据进行分析通常更加方便。

二、准备运行环境

本次示例使用以下环境：

Python 3.10 或更高版本
pandas
matplotlib
Google Chrome
WhatsApp Web

首先安装 Python 依赖：

bash 复制代码

pip install pandas matplotlib

安装完成后，即可开始准备数据。

三、导出 WhatsApp 聊天记录

WhatsApp 手机端提供内置的聊天导出功能，但无法直接生成标准的 CSV 数据表。

如果使用手机端导出的 TXT 文件，需要额外编写解析逻辑，处理时间戳、发送者和多行消息等问题。

另一种方式是使用支持 CSV 格式的导出工具。

例如，WAExport 是一款基于 Chrome 和 WhatsApp Web 的聊天记录导出扩展，支持将聊天内容保存为 HTML、Excel 或 CSV。

基本操作流程：

在 Chrome 浏览器中打开 WhatsApp Web。
安装并打开 WAExport 扩展。
选择需要导出的个人或群组聊天。
根据需求设置日期范围。
选择 CSV 格式并执行导出。

导出完成后，将文件保存为：

whatsapp_chat.csv

需要注意，导出工具生成的 CSV 字段名称可能不同，后续代码需要根据实际文件结构进行调整。

四、使用 pandas 读取 CSV

首先创建一个 Python 文件：

analyze_whatsapp.py

然后编写以下代码：

python 复制代码

import pandas as pd

df = pd.read_csv("whatsapp_chat.csv")

print(df.head())
print(df.columns.tolist())

执行后，程序会输出 CSV 的前五行和所有字段名称。

为了方便演示，假设我们已经将实际 CSV 字段整理为以下结构：

date	sender	message
2026-10-01 09:00	User A	Hello
2026-10-01 09:05	User B	Good morning
2026-10-01 10:20	User A	Project update

其中：

date：消息发送时间
sender：发送者
message：消息内容

这只是示例字段，不代表 WAExport 的固定导出表头。

如果实际 CSV 使用其他列名，可以通过 rename() 进行转换。

五、清洗 WhatsApp 聊天数据

在分析之前，需要先处理时间格式和空值。

python 复制代码

import pandas as pd

df = pd.read_csv("whatsapp_chat.csv")

df["date"] = pd.to_datetime(
    df["date"],
    errors="coerce"
)

df = df.dropna(subset=["date"])

df["message"] = df["message"].fillna("")

这里使用 errors="coerce"，将无法识别的时间转换为缺失值。

然后使用 dropna() 删除没有有效时间的记录。

这样可以避免后续统计出现异常。

六、统计每天的 WhatsApp 消息数量

首先从时间字段中提取日期：

python 复制代码

df["day"] = df["date"].dt.date

daily_messages = (
    df.groupby("day")
    .size()
    .reset_index(name="count")
)

print(daily_messages)

假设得到以下结果：

day	count
2026-10-01	125
2026-10-02	98
2026-10-03	143

这样就能直观看到每天的消息数量。

进一步使用 matplotlib 绘制趋势图：

python 复制代码

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 5))

plt.plot(
    daily_messages["day"],
    daily_messages["count"]
)

plt.xlabel("Date")
plt.ylabel("Message Count")
plt.title("WhatsApp Daily Message Count")

plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

通过折线图，可以观察不同日期的消息活跃程度。

七、分析 WhatsApp 群组成员的发言数量

对于群组聊天，还可以统计不同成员发送的消息数量。

python 复制代码

sender_stats = (
    df.groupby("sender")
    .size()
    .sort_values(ascending=False)
)

print(sender_stats)

如果希望以图表展示：

python 复制代码

sender_stats.plot(
    kind="bar",
    figsize=(10, 5)
)

plt.title("WhatsApp Messages by Sender")
plt.xlabel("Sender")
plt.ylabel("Message Count")

plt.tight_layout()
plt.show()

通过这个方法，可以了解不同成员的消息数量分布。

不过，发言数量只能反映消息频率，不能直接代表沟通质量或工作效率。

八、统计消息发送时间分布

如果想了解群组在什么时间最活跃，可以提取小时信息：

python 复制代码

df["hour"] = df["date"].dt.hour

hourly_stats = (
    df.groupby("hour")
    .size()
    .reindex(range(24), fill_value=0)
)

print(hourly_stats)

再绘制柱状图：

python 复制代码

hourly_stats.plot(
    kind="bar",
    figsize=(10, 5)
)

plt.title("WhatsApp Message Activity by Hour")
plt.xlabel("Hour")
plt.ylabel("Message Count")

plt.tight_layout()
plt.show()

通过图表可以查看消息集中在哪些时间段。

如果数据涉及跨时区沟通，还需要确认导出时间戳的时区设置。

九、提取包含指定关键词的消息

例如，希望找出所有包含 project 的聊天记录：

python 复制代码

keyword = "project"

filtered = df[
    df["message"].astype(str).str.contains(
        keyword,
        case=False,
        regex=False,
        na=False
    )
]

print(filtered)

这里：

case=False：忽略英文大小写
regex=False：将关键词作为普通文本匹配
na=False：忽略空值

这种方法适合筛选项目名称、订单编号或特定讨论主题。

十、将统计结果导出为 Excel

分析完成后，可以把统计结果保存为 Excel 文件。

首先安装：

bash 复制代码

pip install openpyxl

然后执行：

python 复制代码

with pd.ExcelWriter(
    "whatsapp_analysis.xlsx",
    engine="openpyxl"
) as writer:

    daily_messages.to_excel(
        writer,
        sheet_name="Daily Messages",
        index=False
    )

    sender_stats.rename(
        "message_count"
    ).to_excel(
        writer,
        sheet_name="Sender Statistics"
    )

    hourly_stats.rename(
        "message_count"
    ).to_excel(
        writer,
        sheet_name="Hourly Statistics"
    )

这样就可以生成包含多个工作表的 Excel 分析文件。

十一、数据隐私与安全注意事项

WhatsApp 聊天记录可能包含电话号码、个人身份信息和商业沟通内容。

在导出和分析数据时，建议：

只处理自己有权访问和使用的聊天记录。
不要将真实聊天数据直接上传到公开 GitHub 仓库。
分享分析结果前，对姓名、电话号码等信息进行匿名化。
将导出文件保存在安全的位置。
不再需要原始数据时，按照适用的数据保留规则进行清理。

如果只是学习 Python 数据分析，也可以使用模拟数据代替真实聊天内容。

总结

本文介绍了如何将 WhatsApp 聊天记录转换为 CSV 数据，并使用 Python 完成基础分析。

主要实现了以下功能：

读取与清洗聊天数据
统计每日消息数量
分析群组成员发言数量
统计不同时间段的消息分布
根据关键词筛选聊天内容
将分析结果保存为 Excel

对于需要定期处理 WhatsApp 聊天数据的开发者来说，CSV 配合 pandas 是一种灵活且容易扩展的方案。

后续还可以结合自然语言处理、数据可视化或自动化报表，进一步扩展聊天