如何用R自动提取Outlook指定文件夹邮件信息至表格？

核心思路 #

用RDCOMClient包直接连接Windows本地Outlook，定位到目标文件夹后遍历未处理的邮件，通过正则表达式提取字段-值对，最后合并更新到电子表格，再配合系统任务计划实现每周自动运行。

步骤与代码实现 #

1. 安装并加载依赖包

install.packages(c("RDCOMClient", "dplyr", "writexl", "readxl", "tidyr"))
library(RDCOMClient)
library(dplyr)
library(writexl)
library(readxl)
library(tidyr)

2. 连接Outlook并定位目标文件夹

替换"专属文件夹名称"为你实际的Outlook文件夹名，如果是收件箱下的子文件夹，用注释内的写法调整层级：

# 初始化Outlook连接
outlook_app <- COMCreate("Outlook.Application")
namespace <- outlook_app$GetNamespace("MAPI")

# 定位目标文件夹（示例：根目录下的专属文件夹）
target_folder <- namespace$Folders()$Item("专属文件夹名称")
# 如果是收件箱下的子文件夹，改用下面的代码
# inbox <- namespace$GetDefaultFolder(6) # 6代表Outlook收件箱
# target_folder <- inbox$Folders()$Item("专属文件夹名称")

3. 遍历邮件并提取字段-值对

通过标记邮件类别避免重复处理，同时提取邮件元数据用于去重：

# 获取文件夹内所有邮件，按接收时间降序排序
emails <- target_folder$Items()
emails$Sort("[ReceivedTime]", TRUE)

# 初始化存储提取数据的列表
extracted_data <- list()

# 遍历每一封邮件
for (i in seq_along(emails)) {
  email <- emails$Item(i)
  # 跳过已标记为"已提取"的邮件
  if ("已提取" %in% strsplit(email$Categories(), ",")[[1]]) next
  
  # 处理不同格式的邮件正文（HTML/纯文本）
  if (email$BodyFormat() == 2) { # 2代表HTML格式
    body <- email$GetInspector()$WordEditor()$Content()$Text()
  } else {
    body <- email$Body()
  }
  
  # 用正则匹配"Field-Value"格式的字段对
  pattern <- "(.*?)-(.*?)(?=\\n|$)"
  matches <- regmatches(body, gregexpr(pattern, body, perl = TRUE))[[1]]
  
  # 拆分字段与值，整理为数据框并转成宽格式
  field_value_pairs <- lapply(matches, function(x) {
    split_pair <- strsplit(x, "-", fixed = TRUE)[[1]]
    data.frame(
      Field = trimws(split_pair[1]),
      Value = trimws(split_pair[2]),
      stringsAsFactors = FALSE
    )
  }) %>% bind_rows()
  
  email_data <- field_value_pairs %>%
    pivot_wider(names_from = Field, values_from = Value) %>%
    mutate(
      ReceivedTime = as.POSIXct(email$ReceivedTime()$Value(), origin = "1899-12-30"),
      EmailEntryID = email$EntryID() # 唯一标识邮件，用于去重
    )
  
  extracted_data[[i]] <- email_data
  
  # 标记邮件为已处理并保存
  email$Categories(paste(trimws(email$Categories()), "已提取", sep = ","))
  email$Save()
}

# 合并所有提取到的新数据
new_data <- bind_rows(extracted_data)

4. 合并并更新现有电子表格

# 读取已有表格，无则直接用新数据
if (file.exists("邮件提取数据.xlsx")) {
  existing_data <- read_excel("邮件提取数据.xlsx")
  # 基于EmailEntryID去重，避免重复添加
  updated_data <- bind_rows(existing_data, new_data) %>%
    distinct(EmailEntryID, .keep_all = TRUE)
} else {
  updated_data <- new_data
}

# 保存更新后的表格
write_xlsx(updated_data, "邮件提取数据.xlsx")

5. 设置每周自动运行

把上述代码保存为.R脚本（比如outlook_email_extractor.R），通过Windows任务计划程序配置：

• 新建任务，设置触发器为每周指定时间
• 操作选择“启动程序”，程序路径选Rscript.exe的安装路径（比如C:\Program Files\R\R-4.3.1\bin\x64\Rscript.exe）
• 添加参数为你的脚本完整路径（比如"C:\scripts\outlook_email_extractor.R"）

注意事项 #

• 运行脚本时需保持Outlook处于打开状态，或在Outlook信任中心启用“信任对VBA项目对象模型的访问”
• 若邮件正文格式调整，需对应修改正则表达式的匹配规则
• 首次运行建议先测试少量邮件，确认提取逻辑正确后再批量处理

内容的提问来源于stack exchange，提问作者gavinacw