python讀取eml文件并用正則表達(dá)式匹配郵箱的代碼

更新時(shí)間：2022年11月08日 09:34:24 作者：一晌小貪歡

今天接到一個(gè)需求有一個(gè)同事離職了，但是留下了非常多的郵件，我需要將他的郵件進(jìn)行分類，只要郵件中以@xxx.com結(jié)尾的存放在文件夾中，否則放在另一個(gè)文件夾中，這篇文章主要介紹了python讀取eml文件并用正則匹配郵箱,需要的朋友可以參考下

今天接到一個(gè)需求有一個(gè)同事離職了，但是留下了非常多(2W多封)的郵件，我需要將他的郵件進(jìn)行分類，只要郵件中以@xxx.com結(jié)尾的存放在文件夾中(下圖名叫【是】的文件夾)，否則放在另一個(gè)文件夾中（下圖名叫【否】的文件夾）。目錄結(jié)構(gòu)

在這里插入圖片描述

代碼注意事項(xiàng)

import email(我發(fā)現(xiàn)是內(nèi)置模塊，不用安裝) 下面是注意事項(xiàng)(就當(dāng)是注釋吧！?。。? 1、提取包含一下后綴的郵箱，我用了split(“@”),所以不用寫 @
e_a = [‘Honeywell.com’, ‘honeywell.com’, ‘garrettmotion.com’, ‘HONEYWELL.COM’, ‘resideo.com’]
2、提取，收件人、發(fā)件人、抄送人的郵箱(這個(gè)是可以不寫的，但是我這個(gè)代碼是借鑒的，沒找到提取全部內(nèi)容的函數(shù)，只找到提取內(nèi)容的函數(shù)，所以加上了下面的代碼)
fjr = email.utils.parseaddr(msg.get(“from”))[1]
sjr = email.utils.parseaddr(msg.get(‘to’))[1]
csr = email.utils.parseaddr(msg.get(‘cc’))[1]
print(“發(fā)件人”, fjr)
print(“收件人”, sjr)
print(“抄送人”, csr)
3、將eml文件內(nèi)容與收件人、發(fā)件人、抄送人拼接，并且加 " " 間隔，不加會(huì)有些小問題
text = text + " " + fjr + " " + " " + " " + " " + sjr + " " + " " + csr
4、正則匹配郵箱
prog = re.compile(r’[a-zA-Z0-9_.±]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+')
res = prog.findall(text)
5、移動(dòng)文件 os.remove()

完整代碼

import email
import os
import re
from email import policy
from email.parser import BytesParser


e_a = ['Honeywell.com', 'honeywell.com', 'garrettmotion.com', 'HONEYWELL.COM', 'resideo.com']
for f in os.listdir("./數(shù)據(jù)源/"):
    # print(f)
    text = ""
    with open("./數(shù)據(jù)源/" + f, 'rb') as fp:
        msg = BytesParser(policy=policy.default).parse(fp)
    fjr = email.utils.parseaddr(msg.get("from"))[1]
    sjr = email.utils.parseaddr(msg.get('to'))[1]
    csr = email.utils.parseaddr(msg.get('cc'))[1]
    print("發(fā)件人", fjr)
    print("收件人", sjr)
    print("抄送人", csr)
    if msg.get_body(preferencelist=('plain'))==None:
        text = text + " " + fjr + " " + " " + " " + " " + sjr + " " + " " + csr
    else:
        text = msg.get_body(preferencelist=('plain')).get_content()
        text = text + " " + fjr + " " + " " + " " + " " + sjr + " " + " " + csr
    # print(text)

    prog = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')
    res = prog.findall(text)
    for e in res:
        res1 = e.split("@")[1]
        if res1 in e_a:
            print(f, "在")
            ori = "./數(shù)據(jù)源/" + f
            now = "./是/" + f
            os.rename(ori, now)
            break
    else:
        ori = "./數(shù)據(jù)源/" + f
        now = "./否/" + f
        os.rename(ori, now)
        print(f, "不在")

下面看看python正則表達(dá)式匹配郵箱

下面來看看python驗(yàn)證郵箱模式的例子。

(首先還是把環(huán)境列出來)

環(huán)境：python 2.7.10

1. 一次匹配多個(gè)郵箱的情況

下面的例子中：郵箱中可以出現(xiàn) 數(shù)字、大小寫字母、下劃線、和橫線(-)

# -*- coding:utf-8 -*-
# 郵箱格式-正則表達(dá)式匹配
 
import re
 
# 一次匹配多個(gè)郵箱
str1 = 'aaf ssa@ss.net asdf  asdb@163.com.cn asdf ss-a@ss.net asdf asdd.cba@163.com afdsaf'
 
reg_str1 = r'([\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+)'
 
mod = re.compile(reg_str1)
 
items = mod.findall(str1)
 
for item in items:
    print item

結(jié)果輸出：

Center

2. 一次匹配一個(gè)

這種情況，常見在登錄界面用戶名為郵箱時(shí)，此時(shí)一個(gè)字符串只有一個(gè) 郵箱

# 只匹配一個(gè)
str2 = 'ssa_a-c@ss.net.cn'
reg_str2 = r'(^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$)'
mod = re.compile(reg_str2)
items = mod.findall(str2)
 
for item in items:
    print item

結(jié)果輸出：

Center