VLSI Wiki

import re
import os

def split_chat_by_date_and_length(file_path, output_dir, max_chars=4000):
    # 날짜 패턴 정의 (예: 2024년 7월 9일 화요일)
    date_pattern = r"--------------- (\d{4}년 \d{1,2}월 \d{1,2}일 .요일) ---------------"
    
    # 텍스트 파일을 읽기
    with open(file_path, 'r', encoding='utf-8') as file:
        chat_data = file.read()
    
    # 날짜별로 대화 로그 분리
    split_data = re.split(date_pattern, chat_data)

    # 디렉터리가 존재하지 않으면 생성
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)
    
    # 불필요한 패턴 정의 (입장 메시지, 나간 메시지, 내보낸 메시지, 인사말 등)
    remove_patterns = [
        r'.*님이 들어왔습니다\.',               # 입장 메시지
        r'.*님이 나갔습니다\.',                 # 나간 메시지
        r'.*님을 내보냈습니다\.',               # 내보낸 메시지
        r'\[오픈채팅봇\].*',                    # 오픈채팅봇 메시지
        r'\*.*강퇴입니다.*',                    # 강퇴 관련 메시지
        r'안녕하세요.*',                        # 인사말 ("안녕하세요" 패턴 제거)
        r'반갑습니다.*',                        # "반갑습니다" 패턴 제거
        r'아이디 변경.*',                      # "아이디 변경" 관련 메시지 제거
        r'잘 부탁드립니다.*',                   # "잘 부탁드립니다" 패턴 제거
        r'.*\b감사합니다\b.*',                  # 감사 인사 제거
        r'화이팅입니다~*',                      # 화이팅 응원 메시지 제거
        r'ㅎㅎ|ㅋ+|\^\^|ㅋㅋ',                    # "ㅎㅎ", "ㅋ"와 같은 감탄사 제거
    ]
    
    # 첫 번째 부분은 날짜가 아닌 내용일 수 있으니 건너뛰고, 날짜와 그에 대응하는 대화 내용을 매칭
    for i in range(1, len(split_data), 2):
        date = split_data[i]
        chat_log = split_data[i + 1].strip()

        # 불필요한 정보 제거
        for pattern in remove_patterns:
            chat_log = re.sub(pattern, '', chat_log).strip()

        # 닉네임과 시간 정보 제거
        chat_log = re.sub(r'\[.*?\] ', '', chat_log).strip()

        # 빈 줄 제거
        chat_log = re.sub(r'\n+', '\n', chat_log).strip()

        # 날짜에서 파일 이름으로 사용할 수 있도록 포맷 변환 (예: 2024-07-09)
        date_for_filename = re.sub(r"[^\w\s요일]", '-', date).strip()  # 한글 요일을 남겨두고 처리
        date_for_filename = re.sub(r"년 |월 |일 ", '-', date_for_filename).strip()

        # 4000글자씩 분할하여 저장, 40,000글자를 초과하는 경우 10개의 파일로 제한
        if len(chat_log) > 40000:
            max_parts = 10
            split_length = len(chat_log) // max_parts
            for j in range(max_parts):
                part = chat_log[j * split_length:(j + 1) * split_length].strip()
                if part:  # 내용이 있을 때만 저장
                    part_number = j + 1
                    file_name = f"{date_for_filename}_part{part_number}.txt"
                    output_file_path = os.path.join(output_dir, file_name)
                    
                    # 파일로 저장
                    with open(output_file_path, 'w', encoding='utf-8') as output_file:
                        output_file.write(part)
                    
                    print(f"Saved chat part {part_number} for {date} to {output_file_path}")
        else:
            for j in range(0, len(chat_log), max_chars):
                part = chat_log[j:j + max_chars].strip()
                if part:  # 내용이 있을 때만 저장
                    part_number = j // max_chars + 1
                    file_name = f"{date_for_filename}_part{part_number}.txt"
                    output_file_path = os.path.join(output_dir, file_name)
                    
                    # 파일로 저장
                    with open(output_file_path, 'w', encoding='utf-8') as output_file:
                        output_file.write(part)
                    
                    print(f"Saved chat part {part_number} for {date} to {output_file_path}")

# 예시 사용법
file_path = r'C:\Users\user-1\Desktop\KakaoTalk.txt'  # 여기에 채팅방 텍스트파일을 넣으세요.
output_dir = r'C:\Users\user-1\Desktop\TEST'  # 결과 파일을 저장할 폴더
split_chat_by_date_and_length(file_path, output_dir)