微信PC端各个数据库文件结构与功能简述 - Multi文件夹

异想之旅：本人原创博客完全手敲，绝对非搬运，全网不可能有重复；本人无团队，仅为技术爱好者进行分享，所有内容不牵扯广告。本人所有文章仅在CSDN、掘金和个人博客（一定是异想之旅域名）发布，除此之外全部是盗文！

FTSMSG

看过《总述》一文的应该很熟悉 FTS 这一前缀了——这代表的是搜索时所需的索引。

其内主要的内容是这样的两张表：

FTSChatMsg2_content：内有三个字段
- docid：从1开始递增的数字，相当于当前条目的 ID
- c0content：搜索关键字（在微信搜索框输入的关键字被这个字段包含的内容可以被搜索到）
- c1entityId：尚不明确用途，可能是校验相关
FTSChatMsg2_MetaData
- docid：与FTSChatMsg2_content表中的 docid 对应
- msgId：与MSG数据库中的内容对应
- entityId：与FTSChatMsg2_content表中的 c1entityId 对应
- type：可能是该消息的类型
- 其余字段尚不明确

特别地，表名中的这个数字2，个人猜测可能是当前数据库格式的版本号。

MediaMSG

这里存储了所有的语音消息。数据库中有且仅有Media一张表，内含三个有效字段：

Key
Reserved0
Buf

其中Reserved0字段与MSG数据库中消息的MsgSvrID一一对应。

第三项即语音的二进制数据，观察头部即可发现这些文件是以 SILK 格式存储的。这是一种微软为 Skype 开发并开源的语音格式，具体可以自行 Google。

下面是将 Buf 字段中的数据导出为文件的代码：

import sqlite3


def writeTofile(data, filename):
    with open(filename, 'wb') as file:
        file.write(data)
    print("Stored blob data into: ", filename, "\n")


def readBlobData(key):
    try:
        sqliteConnection = sqlite3.connect('dbs/decoded_MediaMSG0.db')
        cursor = sqliteConnection.cursor()
        print("Connected to SQLite")

        sql_fetch_blob_query = """SELECT * from Media where Key = ?"""
        cursor.execute(sql_fetch_blob_query, (key, ))
        record = cursor.fetchall()
        for row in record:
            print("Key = ", row[0], "Reserved0 = ", row[1])
            file = row[2]

            print("Storing on disk \n")
            path = f'{
      
      row[0]}.silk'
            writeTofile(file, path)

        cursor.close()

    except sqlite3.Error as error:
        print("Failed to read blob data from sqlite table", error)
    finally:
        if sqliteConnection:
            sqliteConnection.close()
            print("sqlite connection is closed")


readBlobData(1099511630953)

如果需要通过MSG数据库中的MsgSvrID找文件，则改一下 SQL 查询语句，再遍历所有数据库即可。

下面是将 silk 文件转为 wav 的代码（实现思路是先转为 pcm 再转 wav；wav 的采样率数据是个人试出来的）：

KEY = 1099511630953

import wave
from pathlib import Path

import pilk


def pcm2wav(pcm_file, wav_file, channels=1, bits=16, sample_rate=24000):
    pcmf = open(pcm_file, 'rb')
    pcmdata = pcmf.read()
    pcmf.close()

    if bits % 8 != 0:
        raise ValueError("bits % 8 must == 0. now bits:" + str(bits))

    wavfile = wave.open(wav_file, 'wb')
    wavfile.setnchannels(channels)
    wavfile.setsampwidth(bits // 8)
    wavfile.setframerate(sample_rate)
    wavfile.writeframes(pcmdata)
    wavfile.close()


duration = pilk.decode(f"{
      
      KEY}.silk", f"{
      
      KEY}.pcm")
# print("语音时间为:", duration)
Path(f"{
      
      KEY}.silk").unlink()

pcm2wav(f"{
      
      KEY}.pcm", f"{
      
      KEY}.wav")
Path(f"{
      
      KEY}.pcm").unlink()

这两个代码没有加详细解释，自己读一下吧。

MSG

终于到了整个文件，不，整个工程最重要的位置了——聊天记录核心数据库！

内部主要的两个表是MSG和Name2ID。

其中Name2ID这张表只有一列，内容格式是微信号或群聊ID@chatroom，作用是使MSG中的某些字段与之对应。虽然表中没有 ID 这一列，但事实上微信默认了第几行 ID 就是几（从1开始编号）。

下面主要来说MSG这张表（加粗是用于提醒自己内容待补充，并非是重要信息）：

localId：字面意思消息在本地的 ID，暂未发现其功用
TalkerId：消息所在房间的 ID（该信息为猜测，猜测原因见 StrTalker 字段），与Name2ID对应。
MsgSvrID：猜测 Srv 可能是 Server 的缩写，代指服务器端存储的消息 ID
Type：消息类型，具体对照见表1
SubType：消息类型子分类，暂时未见其实际用途
IsSender：是否是自己发出的消息，也就是标记消息展示在对话页左边还是右边，取值0或1
CreateTime：消息创建时间的秒级时间戳。此处需要进一步实验来确认该时间具体标记的是哪个时间节点，个人猜测的规则如下：
- 从这台电脑上发出的消息：标记代表的是每个消息点下发送按钮的那一刻
- 从其它设备上发出的/收到的来自其它用户的消息：标记的是本地从服务器接收到这一消息的时间
Sequence：次序，虽然看起来像一个毫秒级时间戳但其实不是。这是 CreateTime 字段末尾接上三位数字组成的，通常情况下为000，如果在出现两条 CreateTime 相同的消息则最后三位依次递增。需要进一步确认不重复范围是在一个会话内还是所有会话。
StatusEx、FlagEx、Status、MsgServerSeq、MsgSequence：这五个字段个人暂时没有分析出有效信息
StrTalker：消息发送者的微信号。特别说明，从这里来看的话，上面的 TalkerId 字段大概率是指的消息所在的房间ID，而非发送者ID，当然也可能和 TalkerId 属于重复内容，这一点待确认。
StrContent：字符串格式的数据。特别说明的是，除了文本类型的消息外，别的大多类型这一字段都会是一段 XML 数据标记一些相关信息。
DisplayContent：对于拍一拍，保存拍者和被拍者账号信息
Reserved0~6：这些字段也还没有分析出有效信息，也有的字段恒为空
CompressContent：字面意思是压缩的数据，实际上也就是微信任性不想存在 StrContent 里的数据在这里（例如带有引用的文本消息等；这里的消息只能根据二进制分辨出包含什么，但是具体格式规范、如何取出数据本人不知）
BytesExtra：额外的二进制格式数据
BytesTrans：目前看这是一个恒为空的字段

这里面的猜测内容比较多，还有很多标注了应该进一步实验的还没有完成，是因为由于数据库解开后不可能随新收到的消息实时更新，而每次新发送一条消息也不知道它会出现在拆分后的哪个数据库中，因此实验效率极低。

表1：MSG.Type字段数值与含义对照表（可能可以扩展到其它数据库中同样标记消息类型这一信息的字段）

分类	子分类	对应类型
1	0	文本
3	0	图片
34	0	语音
43	0	视频
47	0	动画表情（第三方开发的表情包）
49	1	类似文字消息而不一样的消息，目前只见到一个阿里云盘的邀请注册是这样的。估计和 57 子类的情况一样
49	5	卡片式链接，CompressContent 中有标题、简介等，BytesExtra 中有本地缓存的封面路径
49	6	文件，CompressContent 中有文件名和下载链接（但不会读），BytesExtra 中有本地保存的路径
49	8	用户上传的 GIF 表情，CompressContent 中有 CDN 链接，不过似乎不能直接访问下载
49	19	合并转发的聊天记录，CompressContent 中有详细聊天记录，BytesExtra 中有图片视频等的缓存
49	33/36	分享的小程序，CompressContent 中有卡片信息，BytesExtra 中有封面缓存位置
49	57	带有引用的文本消息（这种类型下 StrContent 为空，发送和引用的内容均在 CompressContent 中）
49	63	视频号直播或直播回放等
49	87	群公告
49	88	视频号直播或直播回放等
49	2000	转账消息（包括发出、接收、主动退还）
49	2003	赠送红包封面
10000	0	系统通知（居中出现的那种灰色文字）
10000	4	拍一拍
10000	8000	系统通知（特别包含你邀请别人加入群聊）

本文参考资料（排名不分先后）：