如何用Python从带嵌套.msg附件的Outlook邮件中提取邮箱地址

核心思路 #

通过递归解析.msg文件实现嵌套附件的邮箱提取：

• 解析当前邮件的发件人、收件人、抄送人等字段中的邮箱地址
• 遍历邮件所有附件，若附件为.msg格式，则临时保存该附件并递归解析其内容，完成后删除临时文件

依赖安装 #

首先安装所需库：

pip install extract-msg pandas

修改后的完整代码 #

import os
import uuid
import pandas as pd
import extract_msg

def extract_emails_from_msg(file_path, excluded_email):
    email_addresses = set()
    try:
        # 打开.msg文件
        msg = extract_msg.Message(file_path)
        
        # 提取发件人邮箱
        if msg.senderEmail and msg.senderEmail != excluded_email:
            email_addresses.add(msg.senderEmail.strip())
        
        # 提取收件人邮箱
        if msg.to:
            for recipient in msg.to.split(';'):
                email = recipient.strip()
                if email and email != excluded_email:
                    email_addresses.add(email)
        
        # 提取抄送人邮箱
        if msg.cc:
            for recipient in msg.cc.split(';'):
                email = recipient.strip()
                if email and email != excluded_email:
                    email_addresses.add(email)
        
        # 处理嵌套的.msg附件
        for attachment in msg.attachments:
            # 判断附件是否为.msg文件
            if attachment.longFilename and attachment.longFilename.endswith('.msg'):
                # 生成唯一临时文件名，避免冲突
                temp_msg_path = f"temp_{uuid.uuid4()}.msg"
                # 保存附件到临时文件
                attachment.save(customPath=temp_msg_path)
                # 递归提取临时.msg文件中的邮箱
                email_addresses.update(extract_emails_from_msg(temp_msg_path, excluded_email))
                # 删除临时文件
                os.remove(temp_msg_path)
                
    except Exception as e:
        print(f"处理文件 {file_path} 时出错: {str(e)}")
    
    return email_addresses

def extract_emails_from_folder(folder_path, excluded_email):
    email_addresses = set()
    
    for filename in os.listdir(folder_path):
        if filename.endswith('.msg'):
            file_path = os.path.join(folder_path, filename)
            email_addresses.update(extract_emails_from_msg(file_path, excluded_email))
    
    df = pd.DataFrame({'Email Addresses': list(email_addresses)})
    print(df)
    # 可选：保存到CSV文件
    # df.to_csv('extracted_emails.csv', index=False)

# 示例调用
# extract_emails_from_folder('your_folder_path', 'exclude@example.com')

代码说明 #

• extract_emails_from_msg：负责单个.msg文件的解析，包括邮件本身的邮箱提取和嵌套附件的递归处理
• extract_emails_from_folder：遍历目标文件夹下所有.msg文件，收集所有提取到的邮箱并转为DataFrame输出
• 临时文件使用UUID命名，避免同一目录下文件名冲突
• 加入异常捕获，避免单个文件解析失败导致整个程序终止

内容的提问来源于stack exchange，提问作者SS22