Python 从文件中提取消息ID

我有以下代码，用于在中提取

消息Id

，并将它们收集到

数据帧中


这是
数据帧中的行示例：

消息ID:

我想要的只是
前面的字符串。因为
消息ID
以
结尾。还有一些行的
消息ID
值为空。我想删除这些行

这是我写的代码

import pandas as pd
import numpy as np
 f = open('C:\\Users\\hmk\\Desktop\\PFE 2019\\ML\\MachineLearningPhishing- 
 master\\MachineLearningPhishing-master\\code\\resources\\emails- 
 enron.mbox','r')
 line_num = 0
 e = []
 search_phrase = "Message-ID"
 for line in f.readlines():
 line_num += 1
 if line.find(search_phrase) >= 0:
    #line = line[13:]
    #line = line[:-2]
    e.append(line)
 f.close()
 dfObj = pd.DataFrame(e) 

你想要一个子串你的行

f.readlines（）中的行的
：
如果全部（在[search_phrase，“]”中的单词对应行中的单词）：
e、 追加（行[line.find（“）作为最后一个字符

使用
中的
检查一个字符串是否在另一个字符串中

使用
find
获取模式的索引

使用
[in:out]
在两个值之间获取子字符串
一种方法是使用regex和pandas数据帧替换：

clean_df = df.replace(to_replace='\<|\>', value='', regex=True)
clean_df = clean_df.replace(to_replace='(Message-ID:\s*$)', value=np.nan, regex=True).dropna()

clean\u df=df.replace（to\u replace='\'，value=''，regex=True）
clean_df=clean_df.replace（to_replace='（消息ID:\s*$），value=np.nan，regex=True）。dropna（）

第一行代码是删除<和>，假设MSG只包含这两个

第二个是检查主体上是否有消息id，如果没有，它将替换为NaN

注意，我使用NUMPY.NANN只是为了简化删除空白MSGs/P>< P>的过程，您可以使用正则表达式，它将为您提取所需的消息ID。
因此，提取消息id的第一部分如下所示：
import re#import regex
s='消息ID:'
message_id=re.search（r'message-id:'，s）.group（1）
打印（'message\u id:'，message\u id）

您理想的
消息ID
：

>>消息id:23272646.1075847145300.JavaMail。evans@thyme>


因此，您可以循环执行regex的数据结束检查，如下所示：

f.readlines（）中的行的
：
行数+=1
message_id=re.search（r'message-id:'，第行）
如果消息\u id：
msg_id_string=消息组（1）
e、 追加（行）
#你的其他作品

if message\u id:
检查您的
message id是否匹配，如果不匹配，将返回
None
，并且不会执行if指令。
s=“我们需要。是的，我们需要。”
s = "We want <This text inside only>. yes we do."
s2 = s[s.find("<")+1:s.find(">")]
print(s2) # Prints : This text inside only
# If you want to remove empty lines :
lines = filter(lambda x: x.strip(), lines)

s2=s[s.find（“”）
打印（s2）#打印：仅在内部打印此文本
#如果要删除空行，请执行以下操作：
线条=过滤器（λx:x.strip（），线条）

过滤器贯穿整条线路，不需要这样的for循环。
给您一个建议：

重新导入
f=open（'PATH/TO/FILE'，'r'）。read（）
msgID=re.findall（r'（？你能用文本格式而不是屏幕截图发布输入数据吗？你是说数据框？所以当消息不是空的时候，你把它放在<和>之间，对吗？但是当消息是空的时候，你提到的那些行是用来做什么的？是的。或者
mbox
文件。当消息ID是空的时候，我只有
消息ID:
它告诉我
是空的Tr'对象没有属性“子字符串”< /C> >我的坏，子串是java，现在用Python谢谢，但是更新的帖子来考虑每个需求