解析 WhatsApp 消息：如何解析多行文本

Question

我有一个 WhatsApp 消息文件，我想将其保存为 csv 格式。文件如下所示：

[04/02/2018, 20:56:55] Name1: ‎此聊天和通话的消息现在 通过端到端加密保护。
[04/02/2018, 20:56:55] 名称 1：内容 1。
更多内容。
[04/02/2018, 23:24:44] 名称 2：内容 2。

我想将消息解析为date, sender, text 列。我的代码：

with open('chat.txt', "r") as infile, open("Output.txt", "w") as outfile:
    for line in infile:
        date = datetime.strptime(
            re.search('(?<=\[)[^]]+(?=\])', line).group(), 
            '%d/%m/%Y, %H:%M:%S')
        sender = re.search('(?<=\] )[^]]+(?=\:)', line).group()
        text = line.rsplit(']', 1)[-1].rsplit(': ', 1)[-1]

        new_line = str(date) + ',' + sender + ',' + text
        outfile.write(new_line)

我在处理多行文本时遇到问题。 （我有时会在消息中跳入新行 - 在这种情况下，我在该行中只有应该是前一行的一部分的文本。） 我也对解析日期时间、发件人和文本的更多 Pythonic 方式持开放态度。 我的代码的结果是错误的，因为每一行都没有所有标准（但正确解析日期、发件人、文本）：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-33-efbcb430243d> in <module>()
      3     for line in infile:
      4         date = datetime.strptime(
----> 5             re.search('(?<=\[)[^]]+(?=\])', line).group(),
      6             '%d/%m/%Y, %H:%M:%S')
      7         sender = re.search('(?<=\] )[^]]+(?=\:)', line).group()

AttributeError: 'NoneType' object has no attribute 'group'

想法：也许使用 try-catch，然后以某种方式仅附加文本行？ （听起来不像 Pythonic。）

Answer 1

这里应该可以将额外的文本附加到上一行。

这是检查正则表达式是否失败，在这种情况下，只需将行写入文件而不使用换行符\n，因此它只是附加到文件中的上一行。

start = True

with open('chat.txt', "r") as infile, open("Output.txt", "w") as outfile:
    for line in infile:
        time = re.search(r'(?<=\[)[^]]+(?=\])', line)
        sender = re.search(r'(?<=\] )[^]]+(?=\:)', line)
        if sender and time:
            date = datetime.strptime(
                time.group(),
                '%d/%m/%Y, %H:%M:%S')
            sender = sender.group()
            text = line.rsplit(r'].+: ', 1)[-1]
            new_line = str(date) + ',' + sender + ',' + text
            if not start: new_line = '\n' + new_line
            outfile.write(new_line)
        else:
            outfile.write(' ' + line)
        start = False

看起来即使正则表达式有效，您也没有在文件中写入新行，所以我也添加了。