匹配來自Python中WhatsApp日志的消息

Question

我想提取與WhatsApp中的消息匹配的所有模式。 消息具有以下形式：

一行信息：

[19.09.17, 19:54:48] Marc: If the mean is not in the thousands, there's the problem

多行長消息：

[19.09.17, 19:54:59] Joe: > mean(aging$Population)
[1] 1593.577
Is what I get as solution

通過首先讀取文本文件行中的行，然后在不同的分隔符上拆分這些行，我能夠將其拆分為日期，時間，發件人和消息，但僅用於單行。 但是，這不適用於多行郵件。 現在，我正在嘗試使用正則表達式，使用它們可以獲取日期和時間，但是我仍在努力將消息的模式擴展到多行。

## reg expressions to match different things in the log
date = r'\[\d+\.\d+\.\d+,'
time = r'\d+\:\d+\:\d+]'
message = r':\s+.+\['
message = re.compile(message, re.DOTALL)

請注意，我的日志來自德語WhatsApp，這就是為什么日期有些不同的原因。 另外，我以和結束，以確保不會意外從郵件中獲得匹配項。

我想通過在[通常是下一行的開始處（結束，但是如果可以在新行的消息中找到它的話，可能並不那么健壯）來對消息模式做同樣的事情。

也許有一種更簡單的解決方案，但是（如您所見）我對正則表達式確實不好。

Answer 1

這是使用re.findall的常規正則表達式和解決方案：

msg = "[19.09.17, 19:54:48] Marc: If the mean is not in the thousands, there's the problem
    [19.09.17, 19:54:59] Joe: > mean(aging$Population)
    [1] 1593.577\nIs what I get as solution"

results = re.findall(r"\[(\d{2}\.\d{2}\.\d{2}), (\d{2}:\d{2}:\d{2})\] ([^:]+): (.*?)(?=\[\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2}:\d{2}\]|$)", msg, re.MULTILINE|re.DOTALL)

for item in results:
    print "date: " + item[0]
    print "time: " + item[1]
    print "sender: " + item[2]
    print "message: " + item[3]

date: 19.09.17
time: 19:54:48
sender: Marc
message: If the mean is not in the thousands, there's the problem
date: 19.09.17
time: 19:54:59
sender: Joe
message: > mean(aging$Population)

該模式看起來很長而且很腫脹，剛好符合您所期望的WhatsApp消息的結構。 值得注意的是，該模式同時使用多行和DOT ALL模式。 對於可能跨越多行的消息，這是必需的。 當模式看到下一條消息的開始（特別是時間戳記）或看到輸入的結束時，它停止使用給定的消息。

Answer 2

劫持了上面的內容，以防萬一，我只是從Tim Biegeleisen裁剪了正則表達式

results = re.findall(r"\[(\d{2}\.\d{2}\.\d{2}), (\d{2}:\d{2}:\d{2})\] ([^:]+): (.*?)(?=\[\d{2}\.\d{2}\.\d{2}, \d{2}:\d{2}:\d{2}\])", msg, re.MULTILINE|re.DOTALL)