如何从本地目录导入Python中的.msg文件以及附件

我正在处理Outlook电子邮件自动化任务，其中Outlook的.msg电子邮件文件存储在一个目录中。我的任务是从.msg文件中提取信息（电子邮件正文、附件文本等），并运行NLP对其进行分类。到目前为止，我已经使用了extract_msg from and。我能够提取邮件正文文本，但我面临的下一个挑战是：

如何从pdf、文本文件等附件中提取文本

如何阅读由多部分组成的电子邮件（带有回复线索的电子邮件）

在写我自己的问题之前，我阅读了多个线程的答案，但大多数答案都与直接从Outlook.exe提取电子邮件有关，但是我不需要从Outlook提取信息，而是将Outlook邮件作为.msg文件存储在本地目录中

我目前的进展是：

import extract_msg
import pandas as pd
import os

direct = os.getcwd() # directory object to be passed to the function for accessing emails

ext = '.msg' # type of files in the folder to be read

def DataImporter(directory, extension):
    my_list = []
    for i in os.listdir(direct):
        if i.endswith(ext):
            msg = extract_msg.Message(i)
            my_list.append([msg.filename,msg.sender,msg.to, msg.date, msg.subject, msg.body])
            global df
            df = pd.DataFrame(my_list, columns = ['File Name','From','To','Date','Subject','MailBody Text'])
    print(df.shape[0],' rows imported')

DataImporter(direct,ext)

要求是这样的：

邮件正文='这是一个示例电子邮件正文文本'

附件='Invoice123'

附件文本='您的发票已准备好处理'

像这样的事情，任何帮助将不胜感激，请让我知道如果需要进一步的信息

---

编辑：如果您知道可用于完成此任务的任何其他软件包，请发表意见。

在Outlook对象模型中，使用

Application.Session.OpenSharedItem

：传递完全限定的MSG文件名，然后返回

MailItem

对象。

发布对我有效的解决方案（按照Amey p Naik的要求）。 如前所述，我尝试了多个模块，但只有extract_msg适用于手头的案例。 我创建了两个函数，用于将outlook邮件文本和附件作为数据框导入，第一个函数将为电子邮件分别创建一个文件夹，第二个函数将数据从邮件导入数据框。需要在父目录的子目录上使用for循环单独处理附件。下面是我用注释创建的两个函数：

# 1). Import the required modules and setup working directory

import extract_msg
import os
import pandas as pd
direct = os.getcwd() # directory object to be passed to the function for accessing emails, this is where you will store all .msg files
ext = '.msg' #type of files in the folder to be read

# 2). Create separate folder by email name and extract data 

def content_extraction(directory,extension):
    for mail in os.listdir(directory):
        try:
            if mail.endswith(extension):
                msg = extract_msg.Message(mail) #This will create a local 'msg' object for each email in direcory
                msg.save() #This will create a separate folder for each email inside the parent folder and save a text file with email body content, also it will download all attachments inside this folder.            
        except(UnicodeEncodeError,AttributeError,TypeError) as e:
            pass # Using this as some emails are not processed due to different formats like, emails sent by mobile.

content_extraction(direct,ext)

#3).Import the data to Python DataFrame using the extract_msg module
#note this will not import data from the sub-folders inside the parent directory 
#rather it will extract the information from .msg files, you can use a loop instead 
#to directly import data from the files saved on sub-folders.

def DataImporter(directory, extension):
    my_list = []
    for i in os.listdir(direct):
        try:
            if i.endswith(ext):
                msg = extract_msg.Message(i)
                my_list.append([msg.filename,msg.sender,msg.to, msg.date, msg.subject, msg.body, msg.message_id]) #These are in-built features of '**extract_msg.Message**' class
                global df
                df = pd.DataFrame(my_list, columns = ['File Name','From','To','Date','Subject','MailBody Text','Message ID'])
                print(df.shape[0],' rows imported')
        except(UnicodeEncodeError,AttributeError,TypeError) as e:
            pass

DataImporter(direct,ext)

运行这两个函数后，您将在一个数据框中拥有几乎所有的信息，您可以根据需要使用这些信息。如果还需要从附件中提取内容，则需要为父目录中的所有子目录创建一个循环，以便按照其格式读取附件文件，就像我的例子中的格式是.pdf、.jpg、.png、，.csv等。从这些格式获取数据需要不同的技术，例如从pdf获取数据需要PytesseractOCR模块

---

如果您找到一种更简单的方法从附件中提取内容，请在此处发布您的解决方案以供将来参考，如果您有任何问题，请发表评论。此外，如果上述代码中存在任何改进范围，请随时强调。

有适合您的要求的解决方案。 在我的工作中，我从独立软件测试MSG-PY模块。 这是用于Python的Microsoft Outlook.msg文件模块。 该模块允许您轻松创建/读取/解析/转换Outlook.msg文件。 例如：

from independentsoft.msg import Message
from independentsoft.msg import Attachment

message = Message(file_path = "e:\\message.msg")

for i in range(len(message.attachments)):
    attachment = message.attachments[i]
    attachment.save("e:\\" + str(attachment.file_name))

---

研究一下在PDF附件上工作的PyPDF2，这是我工作的第二个阶段，但是谢谢你的建议。你找到解决方案了吗？我正在处理一个类似的要求。我已经在下面发布了解决方案，如果您有任何问题，请随时发表意见。出于某种原因，msg.body在我的.msg的正文中返回为“无”。这是为什么？感谢您的回复，但我认为这是在VBA编码中使用的，但是我的要求是使用Python来完成这项任务。Outlook对象模型不知道也不关心它是由VB脚本调用还是由Python调用。您好，使用get_body方法如何。请参阅参考链接：这看起来很棒，它是最近为Python添加的，当我在做这个任务时，我不得不搜索很多这样的解决方案。这样，处理电子邮件就变得更简单了。