python--提取eml邮件内容

所需包:

"""
pip install eml_parser
pip install langdetect
"""
import re
import csv
import os
from bs4 import BeautifulSoup
import eml_parser
from langdetect import detect
from langdetect import DetectorFactory
from translate import Translator   # 英汉翻译

部分代码示例:
 

DetectorFactory.seed = 0
keywords = ['@gjsyjfsg.com', '@hfisu.eu']

save_file = ''
file_dir =  ''


# 英语翻译中文
translator = Translator(to_lang="chinese")
translation = translator.translate("Do you believe")
print(translation)

# 中文翻译成英文
translator = Translator(from_lang="chinese",to_lang="english")
translation = translator.translate("开心快乐每一天!")
print (translation)

with open(save_file,'w',encoding='utf-8') as save_f:
    writer = csv.writer(save_f)
    writer.writerow(['name', 'sender', 'reciver', 'cc', 'title', 'body', 'keyword', 'lang'])
    # 当前目录路径  当前路径下所有子目录  当前路径下所有非目录子文件list 格式
    for root, dirs, files in os.walk(file_dir):
        for eml_data_path in files:
            filepath = os.path.join(file_dir, eml_data_path)
            # 读取每个eml文件
            name = eml_data_path.split('.')[0]
            with open(filepath,'rb') as f:
                a=f.read()
            eml = eml_parser.eml_parser.decode_email_b(a,True,True)
            # 提取数据
            for i in eml["body"]:
                try:
                    if i['content_type'] == 'text/plain':
                        body = i['content']
                        break
                    elif i['content_type'] == 'text/html':
                        soup = BeautifulSoup(i['content'], 'lxml')
                        p_data =soup.find_all('p')
                        ree = []
                        for i in p_data:
                            res = i.get_text()
                            ree.append(res)
                        body = ''.join(ree)
                except Exception as e:
                    body = i["content"].replace('\r\n','')   # 正文
            title = eml["header"]["subject"]    # 标题
            reciver = ','.join(eml["header"]["to"])   # 收
            sender = eml["header"]["from"]   # 发
            # 加抄送
            try:
                cc = eml["header"]["cc"]
            except Exception as e:
                cc=''
            # 拼接查看已知关键词命中情况
            key = ['key1','key2','key3','key4']
            aa = f'{reciver},{sender},{cc}'
            for i in keywords:
                if re.match(aa, i):
                    key.append(i)
            # 识别语言类型
            lang = detect(body)    # detect函数是中英文类型识别函数
            # 写入csv
            line = [name, sender, reciver, cc, title, body, key, lang]
            writer.writerow(line)

  • 2
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要批量读取多个 EML 文件,你可以使用 `glob` 模块来获取指定目录下的所有 EML 文件文件路径,然后使用 `email.parser` 模块来解析每个 EML 文件。 以下是一个示例代码,演示如何批量读取 EML 文件并解析它们: ```python import glob from email.parser import Parser # 指定包含 EML 文件的目录路径 eml_dir = 'path/to/eml/files' # 获取目录下所有的 EML 文件路径 eml_files = glob.glob(eml_dir + '/*.eml') # 创建一个解析器对象 parser = Parser() # 遍历每个 EML 文件并解析 for eml_file in eml_files: # 打开 EML 文件并读取内容 with open(eml_file, 'r') as f: eml_text = f.read() # 解析 EML 文件 email_object = parser.parsestr(eml_text) # 现在可以访问解析后的电子邮件对象的各个部分了 print('发件人:', email_object['From']) print('主题:', email_object['Subject']) print('正文:', email_object.get_payload()) print('---') # 用于分隔不同的 EML 文件输出 ``` 在上面的示例,我们首先使用 `glob` 模块获取指定目录下的所有以 `.eml` 结尾的文件路径。然后,我们遍历每个文件,并打开它们,读取文件内容。接下来,我们使用 `Parser` 对象解析每个 EML 文件,并访问解析后的电子邮件对象的各个部分,如发件人、主题和正文。 请确保将 `eml_dir` 替换为你实际存储 EML 文件的目录路径。 希望这个示例对你有帮助!如果你有任何其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值