Question

我想将WhatsApp对话作为数组返回。为此，我正在使用正则表达式，但是无法使其正常工作。

这是通过WhatsApp导出的聊天示例（已编辑）：

6/13/18, 3:40 AM - Messages to this group are now secured with end-to-end encryption. Tap for more info.
6/13/18, 3:40 AM - You created group "Test Group"
6/13/18, 3:42 AM - Zack added Emma
6/13/18, 4:06 AM - Zack added Json
6/13/18, 2:35 PM - Zack: Let's meet tomorrow.
6/15/18, 5:34 PM - Emma: I'll create the Discord server by tonight.
We'll look into making the parser.
7/15/18, 12:05 PM - Zack: Great, I'll add that to our schedule.
7/15/18, 12:05 PM - Json: On our team calander - TCal?
7/15/18, 12:05 PM - Zack: Yes, added on 7/15/18, 12:05 PM.
7/15/18, 12:05 PM - Emma: Are we going JS on this?
7/15/18, 12:05 PM - Json: You bet.
7/15/18, 12:05 PM - Zack: JS is love, JS is life.
7/15/18, 1:46 PM - Emma: Haha.
7/15/18, 4:53 PM - Json:

我尝试了以下操作：

/\d{1,2}\/\d{1,2}\/\d{2},\s\d{1,2}:\d{2}\s[AP]M\s-.+\n?/g

正如您所期望的那样，它会给我以下内容： -

...但是，如果消息多于1行，则会被跳过。

例如

18年6月15日，下午5:34-艾玛：我将通过以下方式创建Discord服务器今晚。
我们将研究解析器。

提取：

18年6月15日，下午5:34-艾玛：我将在今晚之前创建Discord服务器。

但是我希望它提取为：

Emma：我将在今晚之前创建Discord服务器。
我们将研究进行解析器。

Answer 1

您可以在正向超前使用您的（略微缩短）模式：

s.split(/(?=^\d{1,2}\/\d{1,2}\/\d{2},\s\d{1,2}:\d{2}\s[AP]M)/m).filter(Boolean)

请参见regex demo

此处，该模式将匹配紧跟\d{1,2}\/\d{1,2}\/\d{2},\s\d{1,2}:\d{2}\s[AP]M)模式的每个行的起始位置。

JS演示：

var s = "6/13/18, 3:40 AM - Messages to this group are now secured with end-to-end encryption. Tap for more info.\r\n6/13/18, 3:40 AM - You created group \"Test Group\"\r\n6/13/18, 3:42 AM - Zack added Emma\r\n6/13/18, 4:06 AM - Zack added Json\r\n6/13/18, 2:35 PM - Zack: Let's meet tomorrow.\r\n6/15/18, 5:34 PM - Emma: I'll create the Discord server by tonight.\r\nWe'll look into making the parser.\r\n7/15/18, 12:05 PM - Zack: Great, I'll add that to our schedule.\r\n7/15/18, 12:05 PM - Json: On our team calander - TCal?\r\n7/15/18, 12:05 PM - Zack: Yes, added on 7/15/18, 12:05 PM.\r\n7/15/18, 12:05 PM - Emma: Are we going JS on this?\r\n7/15/18, 12:05 PM - Json: You bet.\r\n7/15/18, 12:05 PM - Zack: JS is love, JS is life.\r\n7/15/18, 1:46 PM - Emma: Haha.\r\n7/15/18, 4:53 PM - Json: ";
console.log(s.split(/(?=^\d{1,2}\/\d{1,2}\/\d{2},\s\d{1,2}:\d{2}\s[AP]M)/m).filter(Boolean));

如果添加.map(x => x.trim())（或.map(function(x) { return x.trim(); })），则可以修剪结果数组中的每个项目。

Answer 2

效果很好，我只是想提醒一下，导出格式在很大程度上取决于您的系统语言。

例如02/12/12 11 PM（英语）与 23:00 12/02/12（德语）因此您当前的解决方案只能处理某些情况。

此外，系统消息或附件稍后会给您带来问题。

我在构建一个工具来分析 WhatsApp 聊天时遇到了同样的问题，并使用了一个 Javascript library，它使用了几乎涵盖所有极端情况的多个正则表达式：

过滤一般：

const regexParser = /^(?:\u200E|\u200F)*\[?(\d{1,4}[-/.] ?\d{1,4}[-/.] ?\d{1,4})[,.]? \D*?(\d{1,2}[.:]\d{1,2}(?:[.:]\d{1,2})?)(?: ([ap]\.? ?m\.?))?\]?(?: -|:)? (.+?): ([^]*)/i;

过滤系统消息：

const regexParserSystem = /^(?:\u200E|\u200F)*\[?(\d{1,4}[-/.] ?\d{1,4}[-/.] ?\d{1,4})[,.]? \D*?(\d{1,2}[.:]\d{1,2}(?:[.:]\d{1,2})?)(?: ([ap]\.? ?m\.?))?\]?(?: -|:)? ([^]+)/i;

日期：

const regexSplitDate = /[-/.] ?/;

处理附件，即使您导出不带附件的聊天，也会在“< >”中传递附件。（例如）

const regexAttachment = /<.+:(.+)>/;`

WhatsApp聊天记录的正则表达式

2 个答案: