iOS版24小时制WhatsApp聊天文本日期匹配与split报错问题

问题原因分析 #

• 正则匹配失败：原有正则中秒数匹配规则为([0-9])?，仅支持0或1位数字，而WhatsApp导出的秒数固定为2位，因此无法匹配到合法的日期前缀。
• split解包报错：原有正则中添加了大量不必要的捕获组（即没有实际提取需求却加了()包裹规则），使用re.split()时会自动把所有捕获组的内容返回为分割结果的一部分，导致分割后的元素数量远多于预期的2-3个，触发解包报错。

修复方案 #

1. 修正日期匹配函数 #

去掉所有不必要的捕获组，将不需要单独提取的规则改为非捕获组（括号前加?:），同时适配2位秒数的匹配规则：

import re
import pandas as pd

def dateTimeios(s):
    # 适配24小时制iOS WhatsApp日期前缀，非捕获组避免split返回多余内容
    pattern = r'^\[(?:\d{1,2})\/(?:\d{1,2})\/(?:\d{4}), (?:\d{1,2}):(?:\d{1,2}):(?:\d{2})\] '
    return bool(re.match(pattern, s))

2. 优化消息拆分逻辑 #

不使用split()做拆分，直接通过正则分组一次性提取日期、发件人、消息内容三个字段，避免解包错误，同时支持处理换行的长消息：

def parse_chat_line(line):
    match_res = re.match(r'^\[(\d{1,2}\/\d{1,2}\/\d{4}, \d{1,2}:\d{1,2}:\d{2})\] (.*?): (.*)', line)
    if match_res:
        return {
            "datetime": match_res.group(1),
            "sender": match_res.group(2),
            "content": match_res.group(3)
        }
    return None

# 完整的聊天文件转DataFrame逻辑
def chat_to_df(file_path):
    chat_list = []
    current_msg = None
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue
            # 匹配到新的消息头
            if dateTimeios(line):
                if current_msg:
                    chat_list.append(current_msg)
                current_msg = parse_chat_line(line)
            # 是上一条消息的换行内容
            else:
                if current_msg:
                    current_msg["content"] += f"\n{line}"
    # 追加最后一条消息
    if current_msg:
        chat_list.append(current_msg)
    df = pd.DataFrame(chat_list)
    # 转换时间格式，注意如果你的日期是月/日格式，把format改成'%m/%d/%Y, %H:%M:%S'
    df["datetime"] = pd.to_datetime(df["datetime"], format='%d/%m/%Y, %H:%M:%S')
    return df

# 调用示例
# df = chat_to_df("你的聊天文件路径.txt")

可选说明 #

如果确实需要用re.split()实现拆分，只需要把正则里所有非必要的捕获组都改成非捕获组，分割后就只会返回[前缀前内容, 前缀后内容]两个部分，不会出现多余元素：

# 用于split的非捕获组正则
split_pattern = r'^\[(?:\d{1,2})\/(?:\d{1,2})\/(?:\d{4}), (?:\d{1,2}):(?:\d{1,2}):(?:\d{2})\] '
# 分割后得到两个元素：空串（因为前缀在开头）和后面的发件人+内容
parts = re.split(split_pattern, line)

内容的提问来源于stack exchange，提问作者mickeywise