Synthèse automatique
Ce skill parse les exports de chats WhatsApp (.txt) pour en extraire des données structurées en JSON : participants, horodatages, messages.
Points forts
- Gère plusieurs formats de date (EU, US, ISO)
- Détecte les messages média et système
- Supporte les messages multi-lignes
- Fournit des métadonnées comme le nombre de messages et la plage de dates
Limites
- Dépend de l'encodage UTF-8 (avec fallback latin-1)
- Ne gère pas les pièces jointes ou médias réels
- Peut échouer sur des formats non standard ou des variantes régionales
Pour analyser des historiques de discussion WhatsApp et les convertir en données exploitables pour du traitement ou de l'analyse.
Si vous avez besoin de traiter des fichiers binaires ou des messages chiffrés de bout en bout, ou si le format d'export n'est pas textuel.
Analyse de sécurité
SûrThe skill only reads a specified file and parses its text content, with no destructive operations, network access, or execution of external commands. All code is standard Python, and there is no risk of exfiltration or system compromise.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Parse the WhatsApp chat in examples/sample-whatsapp-chat.txtExtract all participants and messages from this WhatsApp export file: /data/chat.txt. Return JSON.Parse this WhatsApp chat and tell me how many media messages were sent, and by whom.Directory: launch-agent-skills/skills/whatsapp-parser/skill.md
name: WhatsApp Chat Parser description: Parse WhatsApp chat exports into structured JSON data with participants, timestamps, and messages triggers:
- chat export
- parse chat
- message history
- chat file
WhatsApp Chat Parser
Purpose
Parse WhatsApp chat export files (.txt) and extract structured data including:
- Participant list
- Message count and date range
- Individual messages with timestamps and senders
- Media placeholders and system messages
WhatsApp Export Format
WhatsApp exports follow this pattern (may vary by locale):
[DD/MM/YYYY, HH:MM:SS] Sender Name: Message content
Format Variations
| Region | Date Format | Example | |--------|-------------|---------| | US | MM/DD/YY | [01/28/26, 9:15:32 AM] | | EU/UK | DD/MM/YYYY | [28/01/2026, 09:15:32] | | ISO | YYYY-MM-DD | [2026-01-28, 09:15:32] |
Special Message Types
- Media:
<Media omitted>or<image omitted>,<video omitted> - System: Messages without sender (e.g., "Alice added Bob to the group")
- Multi-line: Continuation lines without timestamp prefix
- Links: URLs embedded in message text
- Replies: May include quoted text with formatting
Instructions
Step 1: Read the Chat File
with open(chat_file_path, 'r', encoding='utf-8') as f:
content = f.read()
Step 2: Parse Messages Using Regex
import re
from datetime import datetime
# Pattern for WhatsApp message format (handles multiple date formats)
patterns = [
# EU format: [DD/MM/YYYY, HH:MM:SS]
r'\[(\d{2}/\d{2}/\d{4}),\s*(\d{2}:\d{2}:\d{2})\]\s*([^:]+):\s*(.*)',
# US format: [MM/DD/YY, H:MM:SS AM/PM]
r'\[(\d{2}/\d{2}/\d{2}),\s*(\d{1,2}:\d{2}:\d{2}\s*[AP]M)\]\s*([^:]+):\s*(.*)',
]
messages = []
current_message = None
for line in content.split('\n'):
matched = False
for pattern in patterns:
match = re.match(pattern, line)
if match:
if current_message:
messages.append(current_message)
date_str, time_str, sender, text = match.groups()
current_message = {
'date': date_str,
'time': time_str,
'sender': sender.strip(),
'content': text.strip(),
'is_media': '<media omitted>' in text.lower() or '<omitted>' in text.lower()
}
matched = True
break
# Handle multi-line messages
if not matched and current_message and line.strip():
current_message['content'] += '\n' + line
if current_message:
messages.append(current_message)
Step 3: Extract Metadata
participants = list(set(msg['sender'] for msg in messages))
date_range = {
'start': messages[0]['date'] if messages else None,
'end': messages[-1]['date'] if messages else None
}
message_count = len(messages)
media_count = sum(1 for msg in messages if msg['is_media'])
Step 4: Return Structured Output
{
"metadata": {
"participants": ["Alice Developer", "Bob Engineer"],
"message_count": 42,
"media_count": 3,
"date_range": {
"start": "28/01/2026",
"end": "28/01/2026"
}
},
"messages": [
{
"timestamp": "28/01/2026 09:15:32",
"sender": "Alice Developer",
"content": "Hey Bob, did you push the code?",
"is_media": false
}
]
}
Edge Cases
| Scenario | How to Handle | |----------|---------------| | System messages | Sender = "System" or skip | | Empty lines | Skip or treat as message separator | | Emoji-only messages | Parse normally, emoji preserved | | Very long messages | No truncation, preserve full content | | Non-UTF8 encoding | Try latin-1 fallback |
Example Usage in Claude Code
User: "Parse the WhatsApp chat in examples/sample-whatsapp-chat.txt"
Claude should:
- Read the file using the path provided
- Apply the parsing logic above
- Return structured JSON with metadata and messages
- Highlight interesting stats (most active participant, busiest hour, etc.)
Related Skills
whatsapp-summarizer- Generate summaries from parsed chatswhatsapp-action-extractor- Find TODOs and action items in messages
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/whatsapp-chat-parser-mm5t8bku/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/whatsapp-chat-parser-mm5t8bku' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/whatsapp-chat-parser-mm5t8bku/download' --output '.skill-downloads/whatsapp-chat-parser-mm5t8bku/SKILL.md.part' && mv '.skill-downloads/whatsapp-chat-parser-mm5t8bku/SKILL.md.part' '.skill-downloads/whatsapp-chat-parser-mm5t8bku/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.
Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/whatsapp-chat-parser-mm5t8bku/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.