#导入QQ群记录
#stringsAsFactors=F 不转换为因子
#encoding="UTF-8" 读取编码为UTF-8
#sep="\n"换行读取
jilu<- read.table("QQ群记录.txt",stringsAsFactors=F,encoding="UTF-8",sep="\n",quote = NULL)

#定义data数据框，后面读取jilu中的数据需要添加在里面
#定义几个临时变量，dateTime,name,des
data<-data.frame(dateTime=c(),user_name=c(),user_des=c(),stringsAsFactors = F)
dateTime <- character()
name <-character()
des<-character()

#获取jilu的行数，[1]代表行，[2]代表列
rCount<-dim(jilu)[1]

count <- 1
for(i in 1:rCount){
  #利用正则表达式，判断是否是时间行
  #下面表达式代表2017-06-29 13:42:35格式
  #[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]+:[0-9]+:[0-9]+
  #当该行满足表达式的时候，reg为满足的时间第一个字符所在的位置，不满足否则为-1
  reg <- regexpr("[0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]+:[0-9]+:[0-9]+",jilu[i,])
  
  #因为聊天记录特殊性，只有满足表达式并且第一个字符就是时间的行才为真实的时间行
  if(reg==1){
    #计算昵称开始的位置=时间起始位置+时间长度+1
    #"match.length"在执行dt_pattern会自动显示这个为满足条件时间的长度
    #接上面，如果单独attr()使用的话，则是attr(已执行的正则，"match.length")获取在该正则中满足条件的字符长度
    user_begin=reg+attr(reg,"match.length")+1
    #计算昵称结束位置=该条记录长度，因为昵称都是写在最后的，nchar()计算字符串的长度
    user_end=nchar(jilu[i,])
    #获取昵称，substring(被截取的字符串，截取起点，截取终点)
    name <- substring(jilu[i,],user_begin,user_end)
    
    #获取时间，具体规则如上面
    dt_begin <- reg
    dt_end <- reg+attr(reg,"match.length")-1
    dateTime <-substring(jilu[i,],dt_begin,dt_end)
    
    #获取聊天信息
    des <- jilu[i+1,]
    
    #把昵称、时间、聊天信息加入data中
    #行合并，一行一行自动添加入data，列合并为：cbind
    data <- rbind(data,data.frame(dateTime,name,des))
  }
}