如何用Python从Outlook邮件正文中提取指定数值？

嘿，我来帮你搞定这个从邮件内容里提取关键指标的问题！你的邮件内容格式很规律，刚好可以用正则表达式精准提取我们需要的数值，下面是具体的步骤和代码实现：

步骤1：导入正则表达式模块 #

我们需要用re模块来匹配邮件里的数值，所以先在代码开头加上：

import re

步骤2：创建指标提取函数 #

写一个专门处理单条邮件内容的函数，从内容里提取Demand、Orders、Units的整数值：

def extract_metrics(content):
    # 匹配Demand的数值：捕获$后面带逗号的数字，再去掉逗号转整数
    demand_match = re.search(r'Demand: \$([\d,]+)', content)
    demand = int(demand_match.group(1).replace(',', '')) if demand_match else None
    
    # 匹配Orders的纯数字数值
    orders_match = re.search(r'Orders: (\d+)', content)
    orders = int(orders_match.group(1)) if orders_match else None
    
    # 匹配Units的纯数字数值
    units_match = re.search(r'Units: (\d+)', content)
    units = int(units_match.group(1)) if units_match else None
    
    return {'Demand': demand, 'Orders': orders, 'Units': units}

函数说明： #

• 正则表达式r'Demand: \$([\d,]+)'：精准定位Demand: $开头的内容，捕获括号里的数字+逗号组合，再用replace(',', '')去掉千位分隔符，转成整数。
• Orders和Units的格式更简单，直接匹配冒号后的纯数字即可。

步骤3：批量处理所有邮件内容 #

把提取函数应用到email_content列表的每一项，生成指标字典列表后转成DataFrame，再和原有的主题、日期数据合并：

# 批量提取所有邮件的指标
metrics_list = [extract_metrics(content) for content in email_content]
metrics_df = pd.DataFrame(metrics_list)

# 合并主题、日期与指标数据
final_df = pd.DataFrame({
    'Subject': email_subject,
    'Date': email_date
}).join(metrics_df)

测试示例内容 #

用你给出的示例内容测试一下，验证提取效果：

sample_content = ' \r\nDemand: $41,225 (-47%)\t \r\n \r\nOrders: 515 (-53%)\t \r\nUnits: 849 (-59%)\t \r\n \r\nAOV: $80 (12%) \r\nAUR: $49 (30%) \r\n \r\nOrders with Promo Code: 3% \r\nAverage Discount: 21% '
print(extract_metrics(sample_content))
# 输出：{'Demand': 41225, 'Orders': 515, 'Units': 849}

完全符合预期！

完整代码整合 #

把所有代码整合到一起，就是这样：

import os
import pandas as pd
import datetime as dt
import win32com.client
import re

outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
inbox = outlook.GetDefaultFolder(6)
messages = inbox.Items

# Empty Lists
email_subject = []
email_date = []
email_content = []

# Find emails
for message in messages:
    if message.SenderEmailAddress == 'oracle@xyz.com' and message.Subject.startswith('Demand'):
        email_subject.append(message.Subject)
        email_date.append(message.senton.date())
        email_content.append(message.body)

# 定义指标提取函数
def extract_metrics(content):
    demand_match = re.search(r'Demand: \$([\d,]+)', content)
    demand = int(demand_match.group(1).replace(',', '')) if demand_match else None
    
    orders_match = re.search(r'Orders: (\d+)', content)
    orders = int(orders_match.group(1)) if orders_match else None
    
    units_match = re.search(r'Units: (\d+)', content)
    units = int(units_match.group(1)) if units_match else None
    
    return {'Demand': demand, 'Orders': orders, 'Units': units}

# 生成最终DataFrame
metrics_list = [extract_metrics(content) for content in email_content]
metrics_df = pd.DataFrame(metrics_list)
final_df = pd.DataFrame({
    'Subject': email_subject,
    'Date': email_date
}).join(metrics_df)

# 查看结果
print(final_df.head())

这样你就能得到包含邮件主题、日期，以及Demand、Orders、Units三个核心指标的DataFrame，方便后续做数据分析啦！

内容的提问来源于stack exchange，提问作者Abhay