Question

我正在尝试为WhatsApp的对话日志编写解析器。问题末尾的最小日志文件。

在此日志中，有两种消息，即正常消息，其语法为

date time: Name: Message

如您所见，Message可以转到换行符，名称可以包含:。

第二种消息是“事件”消息，可以是以下类型：

date time: Name joined
date time: Name left
date time: Name was removed
date time: Name changed the subject to “GroupName”
date time: Name changed the group icon

我试着记下一些正则表达式，但我遇到的困难有几个：如何处理多行消息，如何解析Name字段（因为:上的拆分不起作用），如何构建一个正则表达式，只识别当前在组中的发件人的消息，最后如何解析特殊的消息（例如，解析搜索作为最后一个单词的连接，这不是一个好主意）。

如何解析这样的日志文件并将所有内容移到字典中？

更确切地说，为了回答评论中的问题，我想到的输出就像是嵌套的字典：在第一级中键是每个发送者，在第二级中，区分“事件”（例如，连接，左等）和“消息”，并将所有内容作为元组列表。

>>>datab[Sender1]['Events']
>>>[('Joined',data1,time1),('Left',data2,time2]

>>>datab[Sender2]['Messages']
>>>[(data1,time1,Message1),(data2,time2,Message2)]

但是如果你能想到更智能的格式，那就去吧！

29/03/14 15:48:05: John Smith changed the subject to “Test”

29/03/14 16:10:39: John Smith joined

29/03/14 16:10:40: Person:2 joined

29/03/14 16:10:40: John Smith: Hello!

29/03/14 16:11:40: Person:2: some random words,

29/03/14 16:12:40: Person3 joined

29/03/14 16:13:40: John Smith: Hello!Test message with newline
Another line of the same message
Another line.

29/03/14 16:14:43: Person:2: Test message using as last word joined

29/03/14 16:15:57: Person3 left

29/03/14 16:17:16: Person3 joined

29/03/14 16:18:21: Person:2 changed the group icon

29/03/14 16:19:16: Person3 was removed 

29/03/14 16:20:43: Person:2: Test message using as last word left

Answer 1

您可以使用此模式：

(?P<datetime>\d{2}\/\d{2}\/\d{2} \d{2}:\d{2}:\d{2}): (?P<name>\w+(?::\s*\w+)*|[\w\s]+?)(?:\s+(?P<action>joined|left|was removed|changed the (?:subject to “\w+”|group icon))|:\s(?P<message>(?:.+|\n(?!\n))+))

demo

为了处理多行消息，我禁止使用负前瞻性连续换行符。但是，您可以通过在\n

之后的前瞻中添加下一个块的开头或字符串的结尾来使模式更容忍

Answer 2

迟到。

@ Casimir的回答是从2014年开始的。现在Whatsapp消息的格式发生了一些变化。以下是更正的正则表达式，但我没有涵盖特殊消息部分（加入，离开，更改主题等）

(?<datetime>\d{1,2}\/\d{1,2}\/\d{1,4}, \d{1,2}:\d{1,2}( (?i)[ap]m)*) - (?<name>.*(?::\s*\w+)*|[\w\s]+?)(?:\s+(?<action>joined|left|was removed|changed the (?:subject to "\w+"|group's icon))|:\s(?<message>(?:.+|\n(?!\d{1,2}\/\d{1,2}\/\d{1,4}, \d{1,2}:\d{1,2}( (?i)[ap]m)*))+))

解析whatsApp对话日志

2 个答案: