Python正则仅匹配WhatsApp聊天首条，如何提取全部时间戳与消息？

问题根源 #

你的代码只能拿到第一个匹配结果，核心原因是**file.readline()只读取了文件的第一行**，正则自然只能匹配这一行的内容。此外正则表达式里的时间戳格式有小错误，也会影响匹配效果。

修正后的代码 #

import re

# 使用with语句自动管理文件资源，读取整个文件内容
with open("Chat Analysis\\Chat.txt", "r", encoding='utf8') as file:
    text = file.read()

# 修正正则：替换时间戳里的.为空格，添加多行匹配标志
pattern = r'^(\d{1,2}/\d{1,2}/\d{4}, \d{1,2}:\d{2} [ap]m) - (.+)$'
matches = re.findall(pattern, text, re.MULTILINE)

# 生成你期望格式的列表
result_list = [f"{timestamp} - {message}" for timestamp, message in matches]

# 输出结果
print("List =", result_list)

关键调整说明 #

1. 读取全部文件内容：用file.read()替代readline()，确保能获取所有聊天行的内容。
2. 修正正则表达式：把时间戳部分的.换成空格（WhatsApp时间戳格式是DD/MM/YYYY, HH:MM am/pm，时间和am/pm之间是空格），避免匹配错误内容。
3. 添加多行匹配标志：re.MULTILINE让正则的^和$匹配每行的开头和结尾，确保每条消息的时间戳都能被捕获。
4. 生成目标格式列表：用列表推导式直接生成['Timestamp - Message', ...]的结构。

处理跨换行的消息 #

如果聊天记录里存在单条消息跨多行的情况，上面的代码会截断消息，这时可以用下面的正则来匹配多行消息：

# 匹配跨换行的消息，直到下一个时间戳或文本结束
pattern = r'^(\d{1,2}/\d{1,2}/\d{4}, \d{1,2}:\d{2} [ap]m) - (.+?)(?=^\d{1,2}/\d{1,2}/\d{4}, |\Z)'
matches = re.findall(pattern, text, re.DOTALL | re.MULTILINE)

内容的提问来源于stack exchange，提问作者Khan