微信工具箱(wechat-toolbox) 完整使用指南
2026-02-08 04:16:00作者:龚格成
项目概述
微信工具箱(wechat-toolbox)是一个基于Python开发的微信功能增强工具集,提供多种实用的微信操作功能。该项目通过Python脚本实现了微信通讯录导出、群组管理、消息发送等核心功能。
核心功能模块
wxExportContact.py - 通讯录导出工具
- 导出微信通讯录好友的完整信息,包括昵称、备注名、显示名、性别、省份、城市、签名等
- 自动过滤昵称和备注名中的Emoji等特殊字符,确保数据可读性
- 显示名智能处理:备注名非空时使用备注名,否则使用昵称
- 通讯录按显示名全拼升序排列,特殊类型置于末尾
wxExportGroups.py - 群成员导出工具
- 导出群成员详细名单,包含昵称、群名片、是否好友、备注名、性别、省份、城市、签名等信息
- 仅支持读取已保存至通讯录的群聊
- 群成员按进群时间升序排序
wxSendMessage.py - 消息发送工具
- 向好友或微信群发送文本、图片消息
- 仅支持已保存至通讯录的群聊
- 连续发送约100次后会受到限制,需等待约1小时才能恢复正常
wxAutoReply.py - 自动回复工具
- 实现好友消息自动回复功能
- 回复时间间隔可自定义设置
技术依赖
项目依赖以下Python库:
- redis==2.10.5 - 缓存和会话管理
- orderedset==2.0 - 有序集合数据结构
- requests_toolbelt==0.8.0 - HTTP请求工具集
- requests==2.11.1 - HTTP客户端库
- simplejson==3.11.1 - JSON序列化工具
- pylibmc==1.5.2 - Memcached客户端
- Pillow==4.2.1 - 图像处理库
- xlsxwriter==0.9.8 - Excel文件生成工具
项目结构
wechat-toolbox/
├── Koi.jpg
├── LICENSE
├── README.md
├── requirements.txt
├── wxAutoReply.py
├── wxCommon.py
├── wxExportContact.py
├── wxExportGroups.py
├── wxSendMessage.py
└── wxUtils.py
快速开始
环境准备
- 确保已安装Python 3.x
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/we/wechat-toolbox - 安装依赖包:
pip install -r requirements.txt
功能使用示例
导出通讯录
python wxExportContact.py
导出群成员
python wxExportGroups.py
发送消息
python wxSendMessage.py
设置自动回复
python wxAutoReply.py
使用注意事项
- 隐私限制:由于微信隐私设置,部分微信号信息可能无法获取
- 群聊限制:只能处理已保存至通讯录的群聊
- 发送限制:连续发送消息约100次后会受到限制
- 兼容性:确保微信版本与工具兼容
项目特色
- 轻量级设计:纯Python实现,无需复杂部署
- 功能实用:覆盖微信日常使用中的常见需求
- 数据安全:所有操作均在本地完成,保障用户隐私
版本历史
v0.1.6 (2017-07-17)
- 新增wxAutoReply自动回复模块
- 新增群成员导出在线演示
v0.1.5 (2017-07-17)
- 修复已知问题
v0.1.4 (2017-05-17)
- 修复问题
- 通讯录排序优化,新增"显示名"字段
v0.1.3 (2017-05-14)
- 更新README文档
- 新增通讯录导出在线演示
v0.1.2 (2017-03-05)
- 新增wxExportContact通讯录导出模块
- 新增wxExportGroups群组导出模块
- 问题修复
v0.1.1 (2017-02-01)
- 添加通用文件
v0.1.0 (2016-11-26)
- 初始版本发布
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
680
暂无简介
Dart
805
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
211
昇腾LLM分布式训练框架
Python
120
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
