Python读取Outlook邮件Zip附件内CSV数据的实现疑问

问题 #

已实现Python连接Outlook、定位指定文件夹及获取特定邮件附件的功能，但不清楚如何直接在Python中查看附件内容（现有资料多为保存附件到本地的方法）。

背景 #

目标数据是Adobe Analytics导出的报表，该报表为CSV文件并压缩为Zip格式作为邮件附件。计划每周自动遍历所有包含该报表的邮件，将所有数据合并为一个DataFrame，整合历史数据与最新周数据后导出文件。

现有代码 #

#STEP 1---------------------------------------------
#import all methods needed
from pathlib import Path
import win32com.client
import requests
import time
import datetime
import os
import zipfile
from zipfile import ZipFile
import pandas as pd


#STEP 2 --------------------------------------------
#connect to outlook
outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")


#STEP 3 --------------------------------------------
#connect to inbox
inbox = outlook.GetDefaultFolder(6)


#STEP 4 --------------------------------------------
#connect to adobe data reports folder within inbox
adobe_data_reports_folder = inbox.Folders['Cust Insights'].Folders['Adobe data reports']


#STEP 5 --------------------------------------------
#get all messages from adobe reports folder
messages_from_adr_folder = adobe_data_reports_folder.Items


#STEP 6 ---------------------------------------------
#get attachement for a specific message (this is just for testing in real world I'll do this for all messages)
for message in messages_from_adr_folder:
    if message.SentOn.strftime("%d-%m-%y") == '07-12-22':
        attachments = message.Attachments
    else:
        pass


#STEP 7 ----------------------------------------------
#get the content of the attachment

##????????????????????????????

解决方案 #

可以通过内存字节流处理附件，无需将文件保存到本地。具体实现如下：

1. 补充必要导入 #

添加io模块用于创建内存字节流：

import io

2. 修改附件处理逻辑 #

替换原有STEP6和STEP7的代码，实现直接读取Zip附件内的CSV数据并合并：

# 初始化空DataFrame用于存储所有合并数据
all_data = pd.DataFrame()

# 遍历目标文件夹中的邮件
for message in messages_from_adr_folder:
    # 按需求筛选目标邮件（示例为指定日期）
    if message.SentOn.strftime("%d-%m-%y") == '07-12-22':
        # 遍历当前邮件的所有附件
        for att in message.Attachments:
            # 筛选出Zip格式的附件
            if att.FileName.lower().endswith('.zip'):
                # 创建内存字节流，替代本地文件存储
                zip_stream = io.BytesIO()
                # 将附件内容写入字节流
                att.SaveAsFile(zip_stream)
                # 重置字节流指针到起始位置
                zip_stream.seek(0)
                
                # 读取内存中的Zip文件
                with ZipFile(zip_stream, 'r') as zip_ref:
                    # 遍历Zip内的文件，筛选CSV格式
                    for csv_file in zip_ref.namelist():
                        if csv_file.lower().endswith('.csv'):
                            # 直接读取CSV内容到DataFrame
                            df = pd.read_csv(zip_ref.open(csv_file))
                            # 合并到总DataFrame
                            all_data = pd.concat([all_data, df], ignore_index=True)

# 导出合并后的完整数据
all_data.to_csv('合并后的Adobe报表数据.csv', index=False)

关键说明 #

• io.BytesIO创建内存缓冲区，避免磁盘IO操作，提升处理效率
• att.SaveAsFile()支持写入字节流对象，无需指定本地文件路径
• 通过zip_ref.open()直接读取Zip内的CSV文件，无需解压到本地
• 循环遍历所有目标邮件和附件，自动合并所有CSV数据到统一DataFrame

内容的提问来源于stack exchange，提问作者Thomas Chamberlain