我用 Python + RPA 做了个企业微信聊天记录采集工具

---

前段时间做了一个小工具，解决了我们公司一个让人抓狂的问题——企业微信的聊天记录无法批量导出。

没想到身边朋友反响还不错，干脆写一篇文章，聊聊这个工具的思路和实现过程中踩过的坑，也把工具开源出来。

---

起因：一次让人崩溃的工作交接

我们公司有个同事离职，他跟进了很多客户，客户沟通记录全在企业微信里。

接手的同事想回溯历史记录，打开企微开始翻——翻了半个多小时，手都酸了，还没翻完。

企业微信的聊天界面没有"跳转到某个日期"的功能，只能一屏一屏手动滑动。两年的聊天记录，这么翻下去，翻到猴年马月？

作为团队里唯一的技术人，我当然第一反应是：能不能自动化？

---

方案选型：为什么选 RPA

开始做之前先调研了几个方向：

方向一：解密数据库文件

企业微信在本地会缓存聊天记录，存在 SQLite 数据库里。有没有可能直接读这个数据库？

调研了一下，这个数据库是加密的，key 和账号绑定，没有官方文档。有人尝试过逆向，但风险高、维护成本大，而且稍微更新版本就可能失效。这条路放弃。

方向二：官方 API

企业微信官方有"会话存档" API，支持合法地拉取员工的聊天记录。

但有几个门槛：必须是企业版、需要管理员开通特殊权限、要接入企业自有服务器、配置周期长。

对于个人使用、或者小团队临时解决问题来说，这条路太重了。

方向三：RPA（机器人流程自动化）

换一个角度想：聊天记录在客户端窗口里都看得到，既然看得到，就能读到。

思路是：程序控制鼠标和键盘，模拟人工翻页的动作，每翻一屏，读取屏幕上显示的消息内容，存入本地数据库。

这个方案的好处：

• 不需要任何特殊权限，只要你的账号能看到，程序就能采到
• 不破解、不逆向，行为性质和人工操作一致
• 随企业微信更新，只需微调定位逻辑，整体稳定性高

最终选了方向三。

---

核心实现思路

整体流程分几个步骤：

定位聊天窗口
    ↓
模拟翻页（Page Up / 滚轮）
    ↓
截图 + 文字识别（OCR）
    ↓
解析消息结构（发送者、时间、内容）
    ↓
去重写入本地数据库
    ↓
判断是否到达目标位置或已达到截止日期
    ↓
继续下一屏或结束

窗口定位

程序启动时，让用户手动框选企业微信的聊天内容区域（一个拖拽框选的引导界面），把这个坐标记录下来。后续所有翻页、截图操作都基于这个区域。

之所以不自动检测窗口位置，是因为不同用户的屏幕分辨率、企微窗口大小都不一样，手动框选一次，后续复用，最稳。

翻页控制

模拟 Page Up 按键或鼠标滚轮向上滚动。每次翻页之后，等待一个短暂的时间，让内容渲染完成，再截图。

这里有一个坑：企业微信在加载历史消息时，有时候会有 loading 状态（转圈圈），如果翻太快，会截到加载中的空白画面。

解决方式是在每次翻页后检测 loading 状态，如果还在 loading 就等待，直到内容出现再继续。

消息解析

截图之后，用 OCR 把图片转成文字，然后解析出消息结构。

这里最难的是发送者和消息内容的分隔。企业微信的聊天界面，消息是气泡布局，左边是对方消息，右边是自己的消息，发送者名字在气泡上方。

解析策略：

1. 识别气泡的位置（左/右）来判断是对方还是自己
2. 识别时间戳的格式（通常是 HH:mm 或 昨天 HH:mm）来分隔不同消息
3. 识别发送者名字（在消息气泡顶部的灰色小字）

这部分调了很久，对不同的字体大小、系统缩放比例、深色/浅色模式都要做适配。

去重逻辑

因为每次翻页会有一定的内容重叠（上一屏的最后几条，和下一屏的前几条），需要去重。

方案是给每条消息计算一个特征哈希（发送者 + 时间 + 内容前 N 个字符），写入数据库前先查是否已存在。

断点续采

采集记录会存一个"已采集到的最早消息时间"的标记。如果采集中断，下次重新开始时，翻页到对应位置再继续，不需要从头重采。

---

踩过的坑

坑一：企业微信更新之后，聊天界面的布局可能调整

遇到过一次大版本更新，气泡位置偏移了几个像素，导致解析出来的内容错位。

应对方案：关键布局参数（气泡宽度、名字区域高度等）提取为配置项，更新后手动调一次参数就好，不用改代码。

坑二：高 DPI 屏幕下截图坐标对不上

Windows 的 DPI 缩放（125%、150%、200%）会导致实际截图的坐标和程序计算的坐标不一致。

解决方式：程序启动时检测系统 DPI 缩放比例，所有坐标计算都乘以对应的系数。

坑三：长文本消息截断

企业微信的长消息（超过一定字数）在气泡里会有"展开"按钮，折叠了一部分内容。

应对：识别到"展开"按钮时，模拟点击展开，等待内容渲染后再 OCR。

坑四：图片消息的处理

图片消息在 OCR 结果里就是一个图片占位符，只能知道"这里有一张图"，拿不到图片内容。

补充了一个图片采集逻辑：识别到图片气泡时，模拟点击打开大图，截取大图区域另存为图片文件，再关闭大图继续翻页。

---

技术栈

• Python 3.12
• PyAutoGUI / pywin32 — 窗口控制和键鼠模拟
• Pillow — 截图处理
• PaddleOCR — 文字识别（也测试过 Tesseract，PaddleOCR 对中文识别效果更好）
• SQLite — 本地消息存储
• Electron + React — 桌面 GUI 界面
• openpyxl — Excel 导出

---

现在的功能

经过几个月的迭代，现在工具有三个主要模块：

历史采集：指定群聊或联系人，一次性采集全部历史记录。支持批量（通过 Excel 模板导入采集列表）、支持日期范围、支持断点续采。

定时监控：设置时间间隔，工具在后台持续运行，定时采集新消息。有两个子模式：一是手动指定目标列表，二是智能扫描（自动识别有未读消息的会话并采集）。

Webhook 推送：采集到新消息后，实时推送到你配置的接口。支持多渠道，可以同时推到企业微信机器人、飞书、钉钉或者自建系统。

采集结果支持在工具内检索，也支持一键导出为 Excel。

---

一些使用场景

自己用了一段时间，也收到一些用户反馈，总结几个比较典型的场景：

• 员工交接：离职员工的客户沟通记录，统一导出归档
• 客户服务：客服对话记录自动定时采集，用于质量分析和合规留存
• 销售管理：销售与客户的聊天记录实时推送到 CRM
• 项目复盘：项目结束后，把项目群的讨论记录导出整理成文档

---

下载地址

https://github.com/a605204746/rpa_wxcom_chat_public/releases**

---

聊两句

做这个工具的初衷很简单，就是解决一个让我自己烦躁了很久的问题。

RPA 这个方向其实有很多可以做的事情，很多企业内部用的软件根本没有 API，但从界面层可以做很多自动化。这只是一个很小的切口，如果你也有类似的想法，欢迎交流。

如果这个工具对你有用，帮忙点个 Star，顺手的话也可以提 Issue 反馈问题或者功能建议。

---

数据安全说明：工具采集的所有数据只存在本机，不上传任何云端，不联网，不注册账号。你的聊天记录只有你自己看得到。