微信 4.0 换了架构,Mac 上的聊天记录全部进了加密的 SQLCipher 库。数据在你硬盘上、占你几个 G,但你打不开它。这件事我想解决很久了——不是要偷看谁,而是我自己的数据,我想能查、能统计。
折腾完之后把它开源了:moran69/wxchat。整条链路是本地的:lldb 取密钥 → sqlcipher 解密 → 单会话量化分析 → HTML 报告,不联网、不上传、不碰原库。
一、先说结论:密钥长什么样
微信 4.0(「xinWeChat」)用腾讯自己的 WCDB 存数据,静态链接了改过的 SQLite + SQLCipher,走 AES-256-CBC + HMAC-SHA512,SQLCipher 兼容模式 4(cipher_compatibility = 4)。
关键在于密钥的存储形式:它不是裸的 32 字节,而是一段 99 字符的 ASCII 字符串——
# x' + 64 位 hex(32 字节 AES key)+ 32 位 hex(16 字节 salt)+ ' x'a2ab0b88…d9344d79…' └ 64 hex = AES-256 key └ 32 hex = 库的 salt # 2 + 64 + 32 + 1 = 99
知道了这个,后面的扫描就是一行 data.find(b"x'") 的事。但我不是一开始就知道的,前面绕了三圈。
二、三次失败,三次都不冤
| 思路 | 结果 | 为什么不行 |
|---|---|---|
| 扫 32 字节高熵数据当 raw key | 25 个候选全挂 | 密钥根本不以裸 bytes 存在 |
| 拿文件头 salt 当锚点找加密上下文 | 找到的盐是假的 | 那是 SQLite page cache 里的原文件映射,不是 codec context |
断点拦 sqlite3_key_v2 |
error 9,还崩了两次 | 系统共享库地址受保护;而且 WCDB 用的是自带 SQLite,压根不调系统库 |
第三条最坑。你信心满满地 attach 上去下断点,内核告诉你「不行」;等你绕过这层才发现,这条路方向就是错的——WCDB 根本不会经过那一层。
三、真正解决问题的是读源码
WCDB 是开源的。翻到 CipherHandle.cpp,答案就在那里:
bool CipherHandle::setCipherKey(const UnsafeData &data) { if (m_isInitializing && data.size() == 99) { UnsafeStringView cipher((const char *)data.buffer(), data.size()); if (cipher.hasPrefix("x'") && cipher.hasSuffix("'")) { // 64 位 raw key + 32 位 salt,共 99 字符 } } }
99 这个数字一下就说明了一切。之前所有失败,都是因为我在找 bytes,而它在找字符串。
四、开始动手
前置条件:微信在运行且已登录、SIP 已关闭(否则 lldb 无法 attach)、装了 sqlcipher。
# 取密钥:遍历所有可读内存区,找 99 字符的 x'...' 串 lldb -p $(pgrep -x WeChat) \ -o "command script import $PWD/scan_keys.py" \ -o "scan_hexkey_all" \ -o "detach" -o "quit" # 解密:按每个库文件头 16 字节 salt 反查密钥 python3 decrypt.py # 分析 + 出报告 python3 list_convs.py python3 analyze.py <wxid 或备注名> python3 gen_report.py <wxid>
脚本里有几个细节是踩过坑才加的:
- 扫描时不预设 salt 白名单,把所有合法的 salt→key 都记下来。第一次我只认自己关心的 4 个库,结果另外几个库没密钥,解密到一半卡住。
- 解密前把
.db连同-wal、-shm一起复制到临时目录再导出,避免和运行中的微信抢文件锁;最新消息在 WAL 里,少拷一个文件就会丢最近的记录。 - 导出后先校验
sqlite_master里的对象数,通过了才覆盖目标文件。失败就保留旧库,不会把已有数据搞没。
五、拿到明文之后,才是真正的坑
以为解密完就完事了?两个细节能让你的统计全面失真。
坑 1:real_sender_id 是个「局部坐标」
微信 4.0 把消息按年切到 message_0.db ~ message_5.db 六个分库。每个库里有一张 Name2Id 做 rowid → wxid 映射,而消息表里的 real_sender_id 存的就是那个库自己的 rowid。
同一个 id,在 A 库里是「我」,在 B 库里可能就变成了对方。我第一次用 real_sender_id == 2 判断「这条是我发的」,得到的比例是 1 : 6——一个本来双方各说一半的对话,被算成了对方疯狂输出。数字看起来「像那么回事」,所以特别容易蒙混过关。
正确做法只有一条:逐库解析 Name2Id,还原成 wxid,再和自己的 wxid 比。
坑 2:正文是 zstd 压缩的
message_content 以 28 b5 2f fd 开头时要先解压,纯文本直接读;字段为空时回退到 compress_content。不解压也「能跑」,只是你看到的全是乱码,词频统计会变成垃圾。
另外,会话表名规则是 Msg_<md5(wxid)>,用它对 Name2Id 反查,就能把几百上千张表对上具体的人或群。
六、分析都算些什么
报告不做「聊天摘要」这种虚的,全是可复算的口径:
| 指标 | 定义 |
|---|---|
| 回复延迟 | 对方说完后我的下一条,≤6 小时计入;给中位、均值、P90、5 分钟内占比 |
| 对话轮次 | 相邻消息间隔 >30 分钟切分,统计轮次数、每轮条数、时长中位 |
| 沉默期 | 间隔 >24 小时的断档,按长度排序 |
| 发起 / 收尾 | 按自然日看当天第一条、最后一条是谁 |
| 词频 | jieba 分词,过滤功能词与单字;连续「哈」先归一,否则笑声会被切碎 |
报告本身是一份自包含 HTML,图表全是内联 SVG——不引 Chart.js、不拉 CDN、不依赖网络,双击就能看,也能直接丢给别人。十万量级的会话扫一遍几秒钟,生成报告十几秒。
七、已知限制
- 仅 macOS + 微信 4.0.x。Windows 是另一套东西,本项目不覆盖。
- 必须关 SIP。这是最大的门槛,得进恢复模式敲
csrutil disable。 - 密钥会变。每次重新登录微信都会重新生成,得重新扫。
- 微信长跑之后可能扫不到。实测遇到过扫完 0 命中——那些字符串可能已经被释放。重启微信后立刻再扫,一次就中(密钥是在开库那一刻写进内存的)。
- 只做元数据与文本。图片、语音、视频只统计条数,不解析内容。
八、为什么仓库里没有「一键版」
有人问能不能直接给个密钥、给个能读别人数据的包。不行,也没意义——密钥是跟着账号和机器走的,我的密钥解不了你的库。真要给别人用,正确做法是给工具和说明书,让他在自己电脑上跑一遍自己的账号。
所以仓库里刻意没有:密钥、wxid、任何聊天内容或统计结果。wx_keys.json、out/ 全在 .gitignore 里。
包含:
scan_keys.py decrypt.py analyze.py gen_report.py setup.sh先跑
bash setup.sh 自检,七项全绿再往下走。九、最后
这件事的技术门槛不在「破解」,在「找对方向」。三次失败全是方法层面的错误,真正的答案写在开源代码的一个 data.size() == 99 里。
另一个感受是:数据在自己手里,才谈得上分析。跑出来的曲线里有些东西挺有意思——比如「谁先开口」和「谁负责收尾」往往不是同一个人,比如热闹的年份和安静的年份,切换得比想象中突然。这些结论必须是能被复算的,不是感觉。
工具只处理自己的数据。别用它碰别人的,也别把解密库和分析结果往外传。
本文涉及的全部操作均在本机完成,未采集、未上传任何数据。技术细节仅用于访问本人设备上本人账号的本地文件。






暂无评论内容