wechatauto —— 微信 4.x Windows 客户端自动化（wxauto 复刻版）

本项目复刻上游 wxauto 项目，目标是实现对当前微信 4.x Windows 客户端的自动化 （读取消息、发送消息、媒体下载、朋友圈），非网页版，直接操作本机客户端。

当前版本：1.0.8

兼容范围：Windows 10/11 ｜ Python 3.9+（已在 3.12 验证）｜ 微信 4.1.12+ （数据库读取路线对微信版本不敏感；坐标+OCR 发送路线依赖 4.1.12+ 自绘渲染 布局，其它 4.x 小版本可能需校准 guia.py 布局常量）。

---

🤝 致谢

感谢 vesio 在 issue #1 提供微信 4.1.12 的 UIA 控件树代码与思路，促成了 v1.0.8 的 UIA 混合驱动。

---

版本记录

v1.0.8（2026-08-13）

• 🎉 特别感谢 vesio：在 issue #1 中提供了微信 4.1.12 可出 UIA 控件树的代码与调试思路，本版 UIA 混合驱动由此而来；
• UIA 混合驱动（uia_driver.py，微信 4.1.12.26 实测）：
  • 新增 WeChatUIA 引擎：冷启动时 Qt51514QWindowIcon 只是空壳（Qt 无障碍门未激活），通过写 Weixin.dll 内的 Qt accessibility gate （RVA 扫描定位）热激活后，锚点变为 mmui::MainWindow，搜索框 mmui::XValidatorTextEdit / 搜索下拉 search_list / 输入框 chat_input_field 全部可用；
  • 发送链路全部走 UIA：搜索下拉选人（search_item_*）打开会话 → chat_input_field 直接输入 + 回车发送，current_chat 校验防误配， 无 OCR 抖动；Windows 冷状态热激活后 UIA 树保持可用；
  • guia.py 集成混合路径：_get_uia() 惰性启用，open_chat / send_msg UIA 优先、OCR 兜底——UIA 树不可用（版本变更新增 RVA） 或失败时自动降级到坐标 + 放大 OCR 方案，首次失败本次会话内不再重试。
  • 实测：send_msg('文件传输助手') 10.2s、send_msg('卢立竺') 13.2s 均走 UIA 并数据库确认成功（含 verify）；UIA 对生僻字会话名不再依赖 OCR 识别。
• 新增依赖：uiautomation（UIA 客户端库）。

v1.0.7（2026-08-13）

• OCR 识别可靠性提升（guia.py，针对生僻字/小字号会话名识别失败）：
  • 新增 ocr_zoomed()：对区域放大 N 倍后再 OCR，坐标按 1/N 还原；实测 微信小字号中文在放大 3 倍时识别率最高（放大 6 倍图像过大反而整块 返回空），超过 5 倍即回落；
  • _chat_is_open 标题检测改用放大 3 倍 + y 范围扩到 0-185（微信 4.x 标题实际渲染在 y≈80-180，原 15-100 的区间会漏检已打开的会话）；
  • _search_chat 搜索回退排除「群聊」节标题以下行、含「包含」的群成员 预览行（如「00，包含：卢立竺」）与群名结尾行，只点联系人，修复 「搜索选中群聊而非联系人」的问题；
  • _chat_open_confirmed 改为优先标题命中，标题读不到才退而用面板 非空白作为已打开判据，修复「点错会话也误判成功」；
  • open_chat 首查 _chat_is_open && _pane_has_content，右侧面板已打开 目标会话时直接成功（不再滚动/搜索），已打开场景耗时 45s → 2.7s。
• OCR 多轮投票（find_session._scan_vote）：WinRT OCR 对生僻字存在 抖动（同一行不同轮次可能读出「卢立竺」或「亠人五」）。对侧栏放大 3x 扫描 4 轮，命中行按 y 聚类（≤30px 视为同行），票数 ≥2 才返回，显著 降低误配；普通会话仍走单轮快速路径，无性能损失。
• 实测：find_session('卢立竺') 连续 5 轮 4/4 票一致、稳定命中； open_chat + send_msg 全链路成功。

v1.0.6（2026-08-11）

• 元数据与门面优化：README 增加徽章（PyPI 版本/下载量/Python 版本/License/Stars）、PyPI description/keywords/classifiers SEO 优化、Homepage 修正为项目 GitHub 地址。

v1.0.5（2026-08-10）

• 表情截图跨机器修复：EmojiMessage.capture() 表情气泡自动裁剪全面重构：
  • 主路径改用连通域分析（_crop_last_bubble），按消息方向（左=对方/右=自己） 精确定位最后一条消息气泡，自动过滤细长竖条（滚动条/面板边框）、剔除头像类 小元素，从根源解决右缘滚动条/边框被当成内容导致的右侧大片空白；
  • 圆形表情顶部/底部在缩放采样时因 LANCZOS 模糊丢失边缘像素：加大裁剪边距 （pad = max(10, scale*5)）并在全分辨率下逐像素边缘扩展找回丢失内容， 且扩展遇连续空白行（消息间分隔）即停，避免吃进相邻消息；
  • 时间戳等居中小文字（水平居中约 50% 宽度）不再被误当成消息：方向判定加 阈值（左侧 <45% 宽度、右侧 >55%），居中元素两边都不匹配；
  • 最终尺寸校验：min(crop) < 50 视为时间戳/文字误判，自动回退到 「消息分隔空白」「头像锚点」等备用定位，仍过小则判定失败返回 None；
  • 本机与高 DPI 机器均已实测通过（完整表情、无空白、无切顶、不截时间戳）。

v1.0.4（2026-08-10）

• 多特征兜底窗口定位：主窗口定位不再只依赖类名 Qt51514QWindowIcon （类名降级为软条件），联合 进程名 weixin.exe / 窗口可见 / 大尺寸 （≥800px）/ 标题关键词（微信/Weixin/WeChat）评分定位——Qt 升级改名 （Qt51514 → Qt6xxx）也不失效；渲染子窗口按前缀 MMUIRenderSubWindow 匹配（兼容 MMUIRenderSubWindowHW / MMUIRenderSubWindow 等变体）， 找不到时退回用主窗口矩形计算坐标。
• 布局自动校准：首次运行自动校准——OCR 检测「搜索」「发送」锚点实测 布局比例，保存到 ~/.wechatauto/layout-<机器标识>.json，之后自动加载； 布局漂移（DPI/窗口尺寸/缩放变化）时自动重新校准。
• 最大化状态保持：激活窗口时先 GetWindowPlacement 记录状态，原为 最大化则用 SW_SHOWMAXIMIZED 恢复（原 SW_RESTORE 会把最大化窗口 缩成普通大小），最小化恢复不再破坏用户窗口布局。
• 发送模块窗口兜底：find_main_window 类名查找失败后按标题「微信」 兜底，适配类名不同的机器。

v1.0.3（2026-08-08）

• 文本消息还原：微信 4.x 部分文本消息 content 为「容器头 + UTF-8 明文 + 尾部填充」结构，此前显示为 [文本]/空。新增 _extract_text_from_blob 还原明文，数据库读取与 bot 均可见真实内容（含群消息 wxid_xxx: 前缀）。
• 表情截图方向感知与兼容性：_db_row_to_message 写入 msg.attr （self/friend），EmojiMessage.capture() 按方向定位气泡（自己发的用 消息分隔空白、对方发的用头像锚点），避免截图前自己又发了一条消息时误截到 自己的气泡；裁剪阈值自适应截图尺寸，跨分辨率/DPI 可用。微信 4.x 主窗口为 Qt 自绘渲染，不暴露 UIA 子树，故截图定位全部基于屏幕像素分析。
• 发送会话复用：send_msg 记录 _current_chat，目标会话已打开时跳过 open_chat（重扫侧栏+点击），逐条连续发送不再反复点击对话框，效率提升。
• 搜索联系人选第一条：_search_chat 按视觉顺序排序并过滤「搜索网络结果/ 搜一搜」节标题，点选第一条联系人而非网络搜索。
• 动画表情不再落盘伪 .gif：download_image 识别到 wxgf 容器（微信 动画表情私有格式）时返回 None，不再生成打不开的假图片。
• Listener.stop() 崩溃修复：db.py 补 import sys（_run/_poll_once 使用 sys.stderr 却未导入）。

v1.0.2（2026-08-08）

• 表情消息支持：新增 EmojiMessage 消息类型（type='emotion'）， "动画表情"不再被归为 OtherMessage，并按收发方向提供 FriendEmojiMessage / SelfEmojiMessage。微信 4.x 表情消息在本地数据库中的 content 为加密数据，无法直接还原成图片，因此新增 EmojiMessage.capture()： 采用「打开会话 → 滚动到底 → 截取消息区 → 自动裁剪最后一条消息气泡」 的屏幕截图方案，返回图片路径，可直接供 AI 视觉识别使用 （示例见 demo_emoji_capture.py）。
• 监听器并发工作线程：Listener 回调移到独立工作线程执行，每个被监听 会话对应一条串行工作线程——同一会话内消息按序处理、不同会话间并行； 轮询线程只负责读取数据库并分派任务，不再被慢回调（AI 调用 / 图片识别等） 阻塞，stop() 优雅关闭所有工作线程。
• 数据库消息兼容增强：_db_row_to_message 支持 bytes 类型 content （自动解码还原文本）、local_type 缺失时自动推导消息类型， _extract_group_sender 兼容 bytes 内容。

---

一、项目状态

能力	状态	实现方式
读取消息	✅ 已完成并验证	本地数据库解密（wechatauto/db.py）
消息监听（轮询）	✅ 已完成并验证	Listener + get_new_messages 增量回调
表情消息识别与截图	✅ 已完成并验证（v1.0.3 方向感知）	EmojiMessage + capture()（屏幕截图自动裁剪）
WAL 增量合并	✅ 已修复并验证	帧盐校验合并 -wal（见 §2.4）
历史消息全量导出	✅ 已完成并验证	export_history（JSON / SQLite）
媒体下载（图片/语音/文件）	✅ 已完成并验证	wechatauto/media.py（图片 V2 解密）
朋友圈读取	✅ 已完成并验证	MomentDB 直接读 sns.db
多账号管理	✅ 已完成并验证	list_accounts() + account= 参数
读取会话列表	✅ 已完成并验证	同上
搜索联系人	✅ 已完成并验证	同上
发送消息	✅ 已完成并验证	坐标+OCR（wechatauto/guia.py）
发送文件/图片/回复/艾特	✅ 已完成并验证	剪贴板 CF_HDROP + OCR
UI 自动化（UIAutomation）	⚠️ 受限	微信 4.1.12+ 聊天区域自绘渲染，不暴露无障碍节点

结论：微信 4.1.x 聊天界面使用自绘渲染（MMUIRenderSubWindow*，不同版本 后缀不同，如 MMUIRenderSubWindowHW / MMUIRenderSubWindow），对 UIAutomation / MSAA 完全不暴露内容，原 wxauto 的 UI 方案失效。本项目采用 「本地数据库解密」读取（已全链路验证）、「坐标 + OCR」发送 （已实测：文本/文件/图片发送稳定，回复/艾特见 demo_reply_at.py）。

---

二、读取原理

微信 4.x 的数据存放在本地 SQLCipher 4 加密的 SQLite 数据库中：

D:\微信文件\xwechat_files\<wxid>_xxxx\db_storage\
├── contact\contact.db            联系人（昵称、备注）
├── session\session.db            会话列表（未读数、摘要）
├── message\message_0..4.db       聊天消息（按会话分表 Msg_<md5>，跨分库分片）
├── message\media_0.db            语音（VoiceInfo.voice_data，SILK 二进制）
├── message\message_resource.db   文件原名（MessageResourceDetail.packed_info）
├── sns\sns.db                    朋友圈（SnsTimeLine，SnsDataItem XML）
└── ...

2.1 密钥提取（进程内存只读扫描）

每个数据库有独立的 32 字节密钥，保存在微信进程内存中的 com.Tencent.WCDB.Config.Cipher 配置对象里：

1. 在 Weixin.exe 所有可读内存区域中查找该字符串；
2. 由字符串地址定位配置对象（[ptr][len] 结构回溯）；
3. 数据块与固定掩码异或后得到 x'<64位hex密钥><32位hex盐>' 明文配置；
4. 用 SQLCipher 4 HMAC 校验规则验证每个候选密钥；
5. 验证通过的密钥保存到 %TEMP%\wechatauto_db\<账号>\keys.json 缓存。

2.2 数据库解密

• SQLCipher 4，页大小 4096，PBKDF2-HMAC-SHA512（加密密钥 256000 次迭代）；
• 解密结果按页写入临时目录，校验源 mtime/size 复用缓存；
• 首次解密 contact.db 约 6s，之后全部秒级。

2.3 消息查询

• 会话名 → Md5(会话微信号) → 表名 Msg_<md5>（同一会话可能分片在多个 message_*.db，按 sort_seq 合并排序）；
• 关键列：local_type、real_sender_id（2=自己，其他为数字 id，可通过 message_resource.SenderName2Id 反查微信号）、server_id、 packed_info_data（图片/视频 md5）、sort_seq。

2.4 WAL 增量合并（已修复）

微信 -wal 是预分配文件：checkpoint 时 WAL 头 salt+1 并清零写游标，但 旧世代帧仍留在文件中。若合并时不过滤帧盐，会把过期页覆盖进主库导致 database disk image is malformed。修复方案：

• _merge_wal 读取 WAL 头后仅合并 salt 与当前 WAL 头一致的帧， 旧世代帧直接跳过；
• 缓存 stamp 加入版本号 STAMP_VERSION=2，旧损坏缓存自动强制全量重建；
• 合并结果用 PRAGMA integrity_check 校验，失败自动重试全量重建。

验证：contact.db 合并后 integrity OK，2354 个联系人全部可查。

2.5 媒体存储与解密（图片 v2 格式）

• 图片：msg\attach\<会话md5>\<YYYY-MM>\Img\<md5>.dat（加密）；
• 语音：media_0.db → VoiceInfo.voice_data（SILK 明文 BLOB）；
• 文件：msg\file\<YYYY-MM>\<原文件名>（原名来自 message_resource）；
• 视频：msg\video\<YYYY-MM>\<id>.mp4（未落盘时返回 None）。

图片 .dat 为 v2 格式：[6B sig 070856320807][4B aes_size LE][4B xor_size LE]

• AES-ECB 密文 + 明文段 + 异或段：

• AES 密钥：16 字节 ASCII，账户级稳定密钥，但仅在微信查看图片时驻留 进程内存。MediaDownloader 通过内存扫描反测（AES 解首块后校验 JPEG/PNG 魔数）获取，命中后持久化到 image_keys.json；也支持 image_key= 参数 显式注入。本机实测：单一密钥稳定解密 35/40 张随机图片（其余为微信动画 表情容器 wxgf）。
• XOR 密钥：单字节，从同图缩略图 <md5>_t.dat 尾部 JPEG 结束标记 FF D9 反推（key = tail[0] ^ 0xFF）。

---

三、快速开始

3.1 安装

pip install -e .
# 坐标+OCR 发送路线额外依赖：
pip install winsdk pypinyin

3.2 示例程序

python demo_db.py

3.3 代码示例

from wechatauto import WeChatDB

db = WeChatDB()  # 自动检测账号与数据目录（微信需已登录）

info = db.get_self_info()                     # 当前账号昵称
for s in db.get_sessions(limit=10):           # 会话列表
    print(db.get_nickname(s["username"]), s["unread"])

hits = db.search_contact("Ayi")               # 搜索联系人
who = hits[0]["username"]
for m in db.get_messages(who, limit=10):      # 最近消息
    print(m["create_time"], m["sender_id"], m["type"], m["content"])

3.4 媒体下载

from wechatauto import WeChatDB, MediaDownloader

db = WeChatDB()
md = MediaDownloader(db)                      # 可传 image_key="..." 注入图片密钥
key = md.detect_image_key()                   # 内存扫描/缓存取 AES+XOR 密钥
print(key)

for m in db.get_messages("filehelper", limit=50):
    out = md.download_media("filehelper", m["local_id"])   # 按类型自动分发
    if out:
        print("已下载:", out)

3.5 朋友圈读取

from wechatauto import WeChatDB, MomentDB

md = MomentDB(WeChatDB())
for feed in md.get_moments(limit=10):          # 时间线（3382 条全量可读）
    print(feed["nickname"], feed["text"])
    print("  图片:", [i["md5"] for i in feed["images"]])
    print("  赞:", [l["nickname"] for l in feed["likes"]])
    print("  评论:", [(c["nickname"], c["content"]) for c in feed["comments"]])
    md.download_media(feed["images"][0])       # 本地缓存或 URL 拉取

3.6 消息监听

from wechatauto import WeChatDB
from wechatauto.db import Listener

db = WeChatDB()
lst = Listener(db, interval=1.0)
lst.add_listener("filehelper", lambda msg, lst: print("新消息:", msg["content"]))
lst.start()
# ... 业务代码 ...
lst.stop()

• 回调在独立工作线程中执行（v1.0.2）：每个被监听会话对应一条串行 工作线程，同一会话内消息按序处理、不同会话间并行；轮询线程只负责读取 数据库并分派任务，不会被慢回调（AI 调用 / 图片识别等）阻塞。

3.7 历史导出

db.export_history(r"D:\backup\chat.json",   fmt="json")    # 全部会话
db.export_history(r"D:\backup\chat.db",     fmt="sqlite")
db.export_history(r"D:\backup\one.json",    fmt="json",
                  users=["filehelper"], limit_per_chat=1000)

3.8 多账号

from wechatauto import list_accounts, WeChatDB
for a in list_accounts():
    print(a["account"], a["wxid"])
db2 = WeChatDB(account="wxid_xxx_abcd")       # 显式指定账号（缓存按账号隔离）

3.9 表情消息与截图

微信 4.x 的"动画表情"消息在本地数据库中 content 为加密数据，无法直接还原成 图片。v1.0.2 起监听回调中的表情消息为独立的 EmojiMessage 类型 （type='emotion'，FriendEmojiMessage / SelfEmojiMessage 按收发方向区分）， 并支持对屏幕上的表情气泡自动截图：

# 在 Listener 回调内，把消息 dict 转成消息对象后再截图：
def on_msg(msg, listener):
    if msg["type"] == "动画表情":
        from wechatauto.wx import _db_row_to_message
        m = _db_row_to_message(msg, chat)   # chat: 当前会话
        path = m.capture()                  # 返回 PNG 路径，供 AI 视觉识别

capture(save_dir=None) 流程：打开会话（已打开则跳过，避免刷新消息列表导致 控件失效）→ 滚动到底 → 截取消息区 → 按消息方向定位最后一条消息气泡：

• 自己发的消息（attr='self'，右侧无头像）：用「消息分隔空白」定位 消息顶部，空白阈值按截图高度自适应（约消息区高度的 2.5%）， 跨分辨率/DPI 保持一致；
• 对方发的消息（attr='friend'，左侧有头像）：优先检测头像圆形彩色块 的顶部作为消息顶部（特征跨分辨率稳定），失败时回退消息分隔空白。

返回图片路径（失败返回 None）。独立示例：python demo_emoji_capture.py。 调试时可保留 ~/pane_diag_raw.png（每次截图保存的消息区原图）与 [CAP] 日志行（截图尺寸、消息方向、裁剪路径、结果尺寸）用于排查。

---

四、API 参考

WeChatDB(db_dir=None, keys_file=None, workdir=None, account=None)

方法	说明
get_self_info() -> dict	当前账号（username / nick_name / remark）
get_sessions(limit=100)	会话列表：username / unread / summary / last_time
search_contact(keyword)	按昵称/备注/微信号搜索
get_messages(user, limit, offset)	读取指定会话消息
get_message_row(user, local_id)	单条原始消息（含 server_id / packed_info，媒体用）
get_new_messages(user, since_seq)	sort_seq > since_seq 的增量消息（升序）
get_nickname(user)	微信号 → 显示昵称
list_message_chats()	所有含消息的会话（md5 / 昵称 / 消息数）
export_history(out_path, fmt, ...)	全量导出 JSON / SQLite
extract_keys()	手动触发密钥提取
wxid / account / account_dir	当前账号信息
list_accounts()（模块级）	扫描本机所有微信账号
auto_detect_db_dir()（模块级）	自动定位数据目录（配置文件 → 注册表 → 常见默认目录）

MediaDownloader(db, save_dir=None, image_key=None)

方法	说明
detect_image_key(refresh)	取 (AES 密钥, XOR 密钥)，命中后持久化
decrypt_image(dat_path)	解密单个 .dat（自动识别 v1/v2）
download_media(user, local_id)	按类型分发下载
download_image / _voice / _video / _file	各类媒体下载
copy_files_to_clipboard(paths)	CF_HDROP 写剪贴板（发送附件用）

MomentDB(db)

方法	说明
get_moments(limit, offset, username)	朋友圈时间线（最新在前）
get_moment(tid) / get_my_moments(limit)	单条 / 我的动态
find_local_media(md5, kind)	本地缓存查找（Sns\Img / Sns\Video）
download_media(media, save_dir)	缓存优先，否则 URL 拉取

Listener(db, interval, watermark)

add_listener(user, cb) / remove_listener / start / stop / watermark。

WeChatGUI（发送，锁屏不可用）

方法	说明
send_msg(text, who, verify)	文本发送（OCR 定位 + 剪贴板粘贴）
send_file(path, who, verify)	文件（CF_HDROP 粘贴 + 回车）
send_image(path, who, verify)	图片（同上）
reply_msg(text, who, verify)	回复最近消息（悬停 + OCR 回复入口）
at_member(member, text, who, verify)	群聊 @ 成员
open_chat / focus_input / bring_to_front	基础操作

一行式：quick_send / quick_send_file / quick_send_image / quick_reply。

---

五、已知限制

1. 需要微信登录：数据库密钥存于进程内存，首次使用需微信运行中 （提取后本地缓存）；重新登录后密钥变化需重新提取（自动校验失败重扫）；
2. 图片 AES 密钥瞬态：仅在微信查看图片时驻留内存；MediaDownloader 扫描命中后会持久化（image_keys.json），也可用 image_key= 显式传入；
3. 发送为 GUI 操作：锁屏/会话断开时 desktop_available() 返回 False， 发送接口返回明确失败；文件/图片/回复/艾特代码已完成但需桌面解锁后实测；
4. 视频文件未落盘时不可下载：视频 mp4 仅在本地存在（msg/video）时 返回，否则返回 None；
5. 发朋友圈功能已舍弃：4.x 的发表为自绘界面操作，不可靠自动化； 本库仅保留朋友圈读取/点赞/评论能力。

---

六、发送消息（坐标 + OCR）

微信 4.1.12+ 聊天界面自绘渲染、无无障碍节点，发送走 「屏幕坐标 + 本地 OCR」（wechatauto/guia.py）：

1. 多特征兜底定位主窗口（类名 Qt51514QWindowIcon 只是「软条件」， 联合标题 / 进程名 weixin.exe / 可见 / 大尺寸评分，Qt 升级改名也不 失效），再按前缀 MMUIRenderSubWindow 找渲染子窗口（兼容 MMUIRenderSubWindowHW / MMUIRenderSubWindow 等不同版本类名； 找不到时回退用主窗口矩形计算坐标）；
2. 布局用渲染子窗口相对坐标描述，运行时换算为屏幕绝对坐标；首次运行自动 校准（OCR 检测「搜索/发送」锚点实测比例），保存到 ~/.wechatauto/layout-<机器>.json，之后自动加载、布局漂移自动重校准；
3. OCR 识别会话列表点击目标（失败走搜索框；生僻字/小字号会话名自动放大 3 倍 + 多轮投票重扫，搜索回退只点联系人、自动排除群聊与群成员预览行）；
4. 扫描输入框白色区定位并聚焦；
5. 文字以「剪贴板 + Ctrl+V」输入（避免中文输入法拦截），失败回退拼音组合；
6. OCR 定位「发送」按钮（找不到回退回车键）；
7. verify=True 时用 WeChatDB 读回确认。

文件/图片通过 CF_HDROP 剪贴板 + Ctrl+V 插入草稿再回车发送，绕开自绘 「+ 菜单」定位；回复/艾特分别走悬停 OCR 工具栏与成员弹层 OCR。

from wechatauto.guia import quick_send, quick_send_file
quick_send('你好', '文件传输助手', verify=True)
quick_send_file(r'D:\资料\报告.pdf', '文件传输助手')

注意：OCR 需要系统语言包含中文（Windows.Media.Ocr）。

---

七、后续路线

1. 发送功能实测：桌面解锁后校准 guia 各坐标常量，验证文件/图片/回复/艾特；
2. 视频消息下载增强：微信 4.x 聊天视频存储位置仍需确认（本机无样本）；
3. 性能优化：导出/首扫并行化，内存扫描增量缓存。

---

八、目录结构

├── wechatauto/
│   ├── wx.py            UIA 自动化入口（4.x 受限）
│   ├── guia.py          ★ 坐标+OCR 发送模块（文本/文件/图片/回复/艾特）
│   ├── db.py            ★ 数据库读取（密钥提取 + 解密 + WAL 合并 + 导出 + 监听）
│   ├── media.py         ★ 媒体下载（图片 v2 解密 / 语音 / 视频 / 文件）
│   ├── moment.py        ★ 朋友圈（MomentDB 数据库路线 + 旧 UIA 兼容）
│   ├── ui/              UI 控件层
│   ├── msgs/            消息模型
│   └── ...
├── demo.py              UI 自动化示例（微信 4.1 上受限）
├── demo_db.py           ★ 数据库读取示例（推荐）
├── demo_guia.py         ★ 坐标+OCR 发送示例
├── demo_listen.py       ★ 实时消息监听示例
├── demo_reply_at.py     ★ 回复/@ 成员实测示例
├── demo_emoji_capture.py ★ 表情消息截图示例
├── docs/技术文档.md      ★ 完整技术文档（架构/原理/API/扩展）
└── pyproject.toml

九、免责声明

本项目仅用于个人学习与自动化研究，请遵守微信软件许可协议及当地法律法规， 勿用于任何违反规定的用途。

注：本库完全由AI（opencode+deepseek-v4-flash）生成

---

十、联系方式

• 邮箱：fanyuantaier@163.com