正则表达式括号不匹配报错及聊天记录解析代码修复求助

核心错误分析 #

报错error: unbalanced parenthesis at position 31完全是date_time函数里的正则表达式括号不匹配导致的：
原正则代码：

pattern='^([0-9]+)(\/)([0-9]+)(\/)[0-9]+),([0-9]+), ([0-9]+)[]?(AM|PM|am|pm)?-'

存在三个明确问题：

1. 日期部分的[0-9]+)多了一个多余的右括号，破坏了括号配对逻辑
2. 中间的[]?是空字符集，无实际匹配意义，应该替换为\s?用来匹配时间与AM/PM之间的可选空格
3. 时间部分的匹配逻辑不符合常规聊天记录格式（比如常见的HH:MM而非HH, MM）

修正后的date_time函数 #

结合主流聊天记录（如WhatsApp）的格式（例：10/05/23, 12:30 PM - ），修正后的函数如下：

def date_time(s):
    # 匹配格式：DD/MM/YYYY, HH:MM AM/PM - （支持大小写、空格可选）
    pattern=r'^([0-9]{1,2})\/([0-9]{1,2})\/([0-9]{2,4}), ([0-9]{1,2}):([0-9]{2})\s?(AM|PM|am|pm)? -'
    result= re.match(pattern,s)
    return bool(result)

如果你的聊天记录时间格式是用逗号分隔时分的特殊样式，可将时间部分调整为([0-9]+), ([0-9]+)，但必须保证所有括号完全配对。

代码中的其他隐性错误 #

除正则问题外，代码还有几处会导致运行失败的问题：

• find_contact函数里的length(s)是错误写法，Python中获取长度的函数是len(s)
• getmessage函数里的slpitline是拼写错误，应为splitline；且return语句位置错误，需放到if-else分支外部，否则只有else分支会返回值
• 主循环里的date,time,author,getmessage(line)是语法错误，应改为date, time, author, message = getmessage(line)
• getmessage里的message=''.join(splitline[1:])逻辑错误，应改为message=''.join(splitmessage[1:])，避免重复取整个分割内容
• wordcloud库的导入应为WordCloud（类名首字母大写）

完整修正后的代码 #

import re
import pandas as pd
import numpy as np
import emojy
from collections import Counter
import matplotlib.pyplot as plt
from PIL import Image
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator

# 匹配日期时间格式
def date_time(s):
    pattern=r'^([0-9]{1,2})\/([0-9]{1,2})\/([0-9]{2,4}), ([0-9]{1,2}):([0-9]{2})\s?(AM|PM|am|pm)? -'
    result= re.match(pattern,s)
    return bool(result)

# 判断是否包含联系人
def find_contact(s):
    s_split = s.split(':')
    return len(s_split) == 2

# 提取消息内容、日期、时间、联系人
def getmessage(line):
    splitline = line.split('-', 1)  # 仅分割一次，避免消息中的-干扰
    datetime_part = splitline[0].strip()
    date, time = datetime_part.split(', ', 1)
    message_content = splitline[1].strip()

    if find_contact(message_content):
        splitmessage = message_content.split(':', 1)
        author = splitmessage[0].strip()
        message = splitmessage[1].strip()
    else:
        author = None
        message = message_content
    return date, time, author, message

data = []
filepath = r"C:\Users\91808\Downloads\Buddingchat.txt"
with open(filepath, encoding='utf-8') as fp:
    fp.readline()  # 跳过聊天记录标题行
    messageBuffer = []
    current_date, current_time, current_author = None, None, None
    while True:
        line = fp.readline()
        if not line:
            # 处理最后一条未缓存的消息
            if len(messageBuffer) > 0:
                data.append([current_date, current_time, current_author, ''.join(messageBuffer)])
            break
        line = line.strip()
        if date_time(line):
            if len(messageBuffer) > 0:
                data.append([current_date, current_time, current_author, ''.join(messageBuffer)])
            messageBuffer.clear()
            current_date, current_time, current_author, message = getmessage(line)
            messageBuffer.append(message)
        else:
            messageBuffer.append(line)

内容的提问来源于stack exchange，提问作者Arya