python - 解析 whatsApp 对话日志

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。

在这个日志中，有两种消息，普通的，语法是

date time: Name: Message

如您所见，Message 可以换行，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

我试图写下一些正则表达式，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(因为在 : 上拆分不起作用)，如何构建一个正则表达式来识别仅来自当前组中的发件人的消息，最后如何解析特殊消息(例如，解析搜索 joined as last word 这不是一个好主意)。

我如何解析这样的日志文件并将所有内容移动到字典中？

更准确地说，为了回答评论中的问题，我考虑的输出类似于嵌套字典: 在第一层中键是每个发送者，在第二层中区分“事件”(例如加入、离开等)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)]

但如果您能想到更智能的格式，那就去做吧!

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

你可以使用这个模式:

(?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，我禁止使用否定的先行连续换行符。但是，您可以通过在 \n

之后的前瞻中添加下一个 block 的开头或字符串的结尾来使模式更具容错性