文件很难解析，因为分隔符（空格）也存在于数据中。如果可能的话，最好从源头上解决。但由于这并不总是可行的，下面是我能想到的：

其思想是在文本中的每个日期前插入一个换行符（或数据中尚未出现的任何其他字符）（因为这是最独特的模式）。接下来，在 tNormalize ，这样每行上都有一个字符串，其中包含日期、用户名和tweet。
我为匹配日期而编写的又快又脏的正则表达式是：

(\\w{3}\\s\\w{3}\\s\\d{2}\\s\\d{2}:\\d{2}:\\d{2}\\s\\w{3}\\s\\d{4})

并替换为符合日期的回车： \n$1 接下来， tExtractRegexFields 使用另一个正则表达式在其各自的列中提取日期、用户名和tweet。下面是我使用的正则表达式：

(\\w{3}\\s\\w{3}\\s\\d{2}\\s\\d{2}:\\d{2}:\\d{2}\\s\\w{3}\\s\\d{4}\\s)\\(([^\\)]+)\\)\\s(.+)

共有3个捕获组，一个用于日期，一个用于用户名，最后一个捕获之后的所有文本，即tweet。
在我的示例中，我使用了以下文本：

"Fri Mar 15 23:58:55 CET 2013 (iMezouar) this is the 1st tweetFri Mar 15 23:58:55 CET 2013 (username2) this is the 2nd tweetFri Mar 15 23:58:55 CET 2013 (username3) this is the 3rd tweet"

我得到了：

.-----------------------------+---------+----------------------.
|                          tLogRow_2                           |
|=----------------------------+---------+---------------------=|
|date                         |username |tweet                 |
|=----------------------------+---------+---------------------=|
|Fri Mar 15 23:58:55 CET 2013 |iMezouar |this is the 1st tweet |
|Fri Mar 15 23:58:55 CET 2013 |username2|this is the 2nd tweet |
|Fri Mar 15 23:58:55 CET 2013 |username3|this is the 3rd tweet"|
'-----------------------------+---------+----------------------'