Unix环境下Python2.7.5解析Outlook .msg并转存为.txt的方法

1. 修复SyntaxError语法错误 #

你触发语法错误的原因是Python2.7不支持无with关键字的open(...) as f:写法，上下文管理器必须通过with触发。另外.msg是二进制格式，建议用二进制模式读取。修正后的基础代码如下：

import sys

# Python2.7必须搭配with使用as语法，同时指定二进制读取模式
with open('/usr/tsp/TRIAL/input.msg', 'rb') as f:
    print f.read()

但直接读取二进制内容会得到乱码，因为.msg是Outlook专有格式，需要专门解析工具。

2. 正确解析.msg并转存为TXT文件 #

Unix环境下推荐使用msg-extractor（纯Python实现，无Windows依赖）来解析.msg文件，步骤如下：

步骤1：安装兼容Python2.7的库版本 #

执行以下命令安装：

pip install msg-extractor==0.21.0

步骤2：解析并转存的完整代码 #

from extract_msg import Message

# 加载并解析.msg文件
msg = Message('/usr/tsp/TRIAL/input.msg')

# 提取核心结构化内容
subject = msg.subject
sender = msg.sender
recipient = msg.to
body_content = msg.body

# 整理为TXT格式内容
txt_output = """主题: {0}
发件人: {1}
收件人: {2}

正文内容:
{3}""".format(subject, sender, recipient, body_content)

# 写入到目标TXT文件，指定UTF-8编码避免乱码
with open('/usr/tsp/TRIAL/output.txt', 'w') as txt_file:
    txt_file.write(txt_output.encode('utf-8'))

代码说明 #

• extract_msg.Message会解析.msg的内部结构，直接提取主题、发件人、正文等可读内容，无需处理二进制乱码。
• 若需提取抄送、附件等其他字段，可使用msg.cc（抄送列表）、msg.attachments（附件对象列表）等属性。
• 若.msg包含HTML格式正文，可用msg.htmlBody获取HTML内容，再通过BeautifulSoup（需安装beautifulsoup4==4.9.3版本）转换为纯文本。

内容的提问来源于stack exchange，提问作者Tushar Phalke