提取talk_id、时间（时间转化为‘0000-00-00’格式）、发送ID、接收ID、信息类型（如果是向设置为私聊，如果是在群设置为群聊）、发送内容（如果是语音或图片设置默认值空值，反之则提取信息内容）、文件名（如果是图片、语音提取<a href=后面的链接地址）

要提取 `talk_id`、时间、发送ID、接ID、信息类型、发送内容和文件，您可以使用正则表达式和 `BeautifulSoup` 来解析 HTML 代码并提取所需的数据。以下是后的代码示例：

import os
import re
from bs4 import BeautifulSoup

# 指定文件夹路径
folder_path = "C:/Users/test/Desktop/DIDItest"

# 正则表达式模式
talkid_pattern = r'\[talkid:(\d+)\]'
time_pattern = r'\[(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\]'
sender_pattern = r'\[sender:(.*?)\]'
receiver_pattern = r'\[receiver:(.*?)\]'
type_pattern = r'\[type:(.*?)\]'

# 遍历文件夹中的所有文件
for root, dirs, files in os.walk(folder_path):
    for file in files:
        # 读取html文件
        file_path = os.path.join(root, file)
        with open(file_path, "r", encoding="utf-8") as f:
            html_code = f.read()

        # 解析html代码
        soup = BeautifulSoup(html_code, "html.parser")

        # 提取talk_id
        talk_id = re.findall(talkid_pattern, html_code)
        
        # 提取时间并转换格式
        time = re.findall(time_pattern, html_code)
        time = [t.split()[0] for t in time]  # 转化为 '0000-00-00' 格式

        # 提取发送ID
        sender = re.findall(sender_pattern, html_code)

        # 提取接收ID
        receiver = re.findall(receiver_pattern, html_code)

        # 提取信息类型
        info_type = re.findall(type_pattern, html_code)
        info_type = ["私聊" if t == "setting" else "群聊" for t in info_type]

        # 提取发送内容和文件名
        content = []
        file_name = []
        messages = soup.find_all("div", class_="message")
        for message in messages:
            if message.find("a"):  # 包含链接，文件名为<a href>标签内的内容
                file_link = message.find("a").get("href")
                file_name.append(file_link.split("/")[-1])
                content.append("")  # 文件类型，内容为空字符串
            else:  # 文本类型，提取内容
                content.append(message.text.strip())
                file_name.append("")  # 非文件类型，文件名为空字符串

        # 打印提取的数据
        for i in range(len(talk_id)):
            print("talk_id:", talk_id[i])
            print("时间:", time[i])
            print("发送ID:", sender[i])
            print("接收ID:", receiver[i])
            print("信息类型:", info_type[i])
            print("发送内容:", content[i])
            print("文件名:", file_name[i])
            print()

这段代码使用了多个正则表达式模式来匹配 `[talkid:数字]`、`[时间]`、`[sender:...]`、`[receiver:...]` 和 `[type:...]` 格式的字符串。然后，使用 `BeautifulSoup` 解析 HTML 代码，并使用正则表达式和 `find_all()` 方法找到所需的数据。最后，打印提取的数据。

请确保您已经安装了 `re` 和 `BeautifulSoup` 库，可以使用以下命令来安装：

pip install beautifulsoup4