（7497期）Message Parser RE-India – WhatsApp 聊天记录结构化清洗

WhatsApp 聊天记录结构化清洗 将原始 WhatsApp 导出文件（TXT/JSON）标准化为结构化消息数组，提取时间戳、发送者和内容字段，为后续线索提取提供纯净数据基础。 使用说明 核心用法 message-parser 是数据清洗流程的首要环节，专用于解析 WhatsApp 聊天记录导出文件。用户上传的原始聊天数据通常包含时间戳、发送者昵称、消息内容等多行混杂格式，该技能通过正则匹配识别标准 WhatsApp 导出格式（DD/MM/YYYY, HH:MM - sender: message），将非结构化文本转换为严格的三字段对象数组。 解析过程自动处理多行消息合并、系统提示过滤（加密通知、群组创建、成员添加等）以及时区标准化（输出 RFC 3339 格式）。该技能作为推荐链路的起点（message-parser -> lead-extractor -> ...），确保下游组件获得格式统一、顺序完整的结构化数据。 显著优点 格式鲁棒性：支持 TXT 和 JSON 两种常见导出格式，自动检测输入类型 数据保真：保留原始行号用于审计追踪，同时过滤非业务相关的系统消息 标准化输出：严格遵循 timestamp/sender/content 三字段模式，便于下游消费 多行消息处理：智能识别换行符延续，避免消息被错误拆分 失败安全：无法通过 schema 验证时明确报错，不返回脏数据 潜在缺点与局限性 格式依赖：仅针对 WhatsApp 标准导出格式优化，其他平台（Telegram、微信等）的导出文件可能解析失败 无语义理解：仅做结构化提取，不识别消息意图、情感倾向或业务价值 时区假设：原始数据若无时区信息，可能依赖默认时区处理 性能边界：超大文件（数万条消息）未提及流式处理机制 隐私暴露：解析过程不解敏，敏感信息（手机号、姓名）原样输出 适合人群 需要从客户聊天记录中提取业务线索的销售/运营团队 构建 WhatsApp 数据分析 pipeline 的技术团队 希望将非结构化聊天数据导入 BI 工具的业务分析师 常规风险 数据泄露风险：聊天记录可能包含个人敏感信息，需确保下游存储环节具备加密和访问控制 合规风险：WhatsApp 导出可能涉及 GDPR 或本地数据保护法，需获得明确授权 解析错误风险：非标准导出格式或手动编辑过的文件可能导致解析失败或数据错位 依赖链风险：作为链路首节点，解析质量直接影响后续所有自动化判断的准确性 原始说明 Parse raw WhatsApp exports (TXT or JSON) into normalized message objects with `timestamp`, `sender`, and `content`. Use when users ask to parse chat export,...