R/rzap.R

In allansales/ad1: Use this package to convert Whatsapp conversations to csv files.

require(dplyr)
require(stringr)
require(readr)



read_zap = function(chat){

  require(dplyr)
  require(stringr)
  require(readr)

  # Recebe script por linha de comando
  args = commandArgs(trailingOnly=TRUE)

  # Le o arquivo de entrada e retira acentuacao e emojis das mensagens.
  group_chat <- readLines(chat, encoding = "UTF-8") %>%
    iconv(from="UTF-8", to="ASCII//TRANSLIT") %>%
    paste(sep=" ", collapse=" ")

  # Secao de regex
  day_regex <- "([0]?[:digit:]|[12][:digit:]|3[01])"
  month_regex <- "([0]?[:digit:]|1[012])"
  year_regex <- "(1[0-7])"
  date_dmy_regex <- paste("(",day_regex,"/",month_regex,"/",year_regex,")",sep="")
  date_mdy_regex <- paste("(",month_regex,"/",day_regex,"/",year_regex,")",sep="")
  date_regex <- paste("(",date_dmy_regex,"|",date_mdy_regex,")",sep = "")

  comma_regex <- "([, ]{2})"
  time_regex <- "(([1]?[:digit:]:[0-5][:digit:] (AM|PM))|(([01][:digit:]|2[0-3])[:][0-5][:digit:]))"
  dash_regex <- "([- ]{3})"
  person_regex <- "((([[:alnum:]]+[[:blank:]]?){1,4})|([?]?[+][[:digit:]]+[[:blank:]][(]?[[:digit:]]+[)]?[[:blank:]][[:digit:]]+[-][[:digit:]]+)[?]?)"

  base_line_regex <- paste(date_regex, comma_regex, time_regex, dash_regex, person_regex, sep="")
  message_regex <- paste(base_line_regex, "[:]{1}", sep="")
  action_regex <- paste(base_line_regex, "[:print:]+")

  # Recupera informacoes da mensagem: Dia, hora e contato
  informacoes_mensagem_lista <- group_chat %>% str_extract_all(message_regex)
  informacoes_mensagem_modificada <- informacoes_mensagem_lista %>%
    unlist() %>%
    str_replace_all("[?]{1}:","") %>%
    str_replace(" - [?]?",", ")

  informacoes_mensagem <- informacoes_mensagem_modificada %>%
    str_split(", ") %>% do.call(what=rbind) %>% tbl_df() %>%
    rename(data = V1, hora = V2, id_pessoa = V3)

  # Recupera o conteudo das mensagens
  texto_original <- str_split(group_chat, message_regex) %>%
    unlist() %>%
    str_trim()

  conteudo_texto <- texto_original[-1] %>% str_replace(action_regex, "")

  # Checa se ha mencao a algum integrante do grupo
  menciona_integrante <- conteudo_texto %>% str_detect(paste("@", person_regex, sep=""))

  # Escreve as mensagens num csv de saida
  historico_chat <- data.frame(informacoes_mensagem, conteudo_texto, menciona_integrante)
  write_csv(historico_chat, "historico_grupo.csv")
}