如何用Python提取.pst文件中的邮件？能否不依赖第三方库？

一、推荐的实现方式（依赖第三方库） #

PST是微软的专有二进制格式，结构复杂，用成熟的第三方库是最高效的选择，目前常用的有两个方向：

1. 使用pfflib（跨平台开源库） #

这是libpff的Python绑定，libpff是专门处理PST/OST文件的开源工具，能直接解析PST的内部结构，提取邮件的主题、发件人、正文、附件等全量信息，支持Windows、Linux、macOS多平台。

示例代码：

import pff

# 打开目标PST文件
pst = pff.file()
pst.open("your_file.pst")

# 获取根文件夹并递归遍历
def walk_folder(folder):
    for item in folder.sub_items:
        if item.is_folder():
            walk_folder(item)
        elif item.is_message():
            msg = item.get_message()
            # 提取核心邮件信息
            print(f"主题: {msg.get_subject()}")
            print(f"发件人: {msg.get_sender_name()}")
            print(f"收件人: {msg.get_recipients()}")
            print(f"纯文本正文: {msg.get_plain_text_body()}")
            
            # 保存附件
            for att in msg.get_attachments():
                att_name = att.get_name()
                with open(att_name, "wb") as f:
                    f.write(att.get_data())
                print(f"已保存附件: {att_name}")

walk_folder(pst.get_root_folder())
pst.close()

注意：安装前可能需要先安装系统级的libpff依赖（比如Ubuntu用apt install libpff-dev），再通过pip install pfflib安装Python包。

2. 使用pywin32（仅Windows平台） #

如果你的代码只在Windows环境运行，且本地安装了Outlook客户端，可以用pywin32调用Outlook的COM接口来读取PST。这种方式依赖Outlook的解析能力，能完美兼容所有PST特性，不需要单独处理格式细节。

示例代码：

import win32com.client

# 初始化Outlook MAPI会话
outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
pst_path = r"C:\your_path\file.pst"

# 将PST添加到会话中
outlook.AddStore(pst_path)

# 定位到目标PST的根文件夹
target_store = None
for store in outlook.Stores:
    if store.FilePath == pst_path:
        target_store = store.GetRootFolder()
        break

# 遍历文件夹和邮件
def traverse_folder(folder):
    # 处理当前文件夹的邮件
    for item in folder.Items:
        if item.Class == 43:  # 43是Outlook中邮件项的标识
            print(f"主题: {item.Subject}")
            print(f"发件人: {item.SenderName}")
            print(f"收件人: {item.To}")
            print(f"正文: {item.Body}")
            
            # 保存附件
            for att in item.Attachments:
                save_path = fr"C:\save_dir\{att.FileName}"
                att.SaveAsFile(save_path)
                print(f"附件已保存至: {save_path}")
    # 递归处理子文件夹
    for subfolder in folder.Folders:
        traverse_folder(subfolder)

traverse_folder(target_store)
# 移除PST会话（可选）
outlook.RemoveStore(target_store)

二、不使用第三方库是否可行？ #

几乎没有实际可行性，原因如下：

• PST是微软未完全公开的专有格式，内部包含复杂的索引、压缩、加密（如果启用）机制，还有不同版本的格式差异，逆向解析的难度极大。
• 即便能找到部分公开的PST结构文档，要实现完整的解析逻辑，需要处理各种边界情况（比如损坏的文件、特殊邮件格式、嵌套文件夹等），工作量相当于从零开发一个专业的PST解析库，完全不划算。
• 硬要尝试的话，只能用Python的struct模块手动读取二进制数据，但这只适合研究学习，绝对不适合实际项目需求。

内容的提问来源于stack exchange，提问作者Sushant Singh Negi