在 python 中将 msg 转换为 pdf

Question

我真的需要你的帮助来解决一个问题！显然，我的知识不足以找到解决方案。所以，我有一些已经创建并保存的 msg 文件。现在我需要编写一个函数来帮助我从 msg 文件（会有很多）创建 pdf。非常感谢您的帮助！

Answer 1

Post 找到对我有用的解决方案（如 Amey P Naik 所问）。如前所述，我尝试了多个模块，但只有 extract_msg 适用于手头的案例。我创建了两个函数，用于将 outlook 消息文本和附件作为 Pandas DataFrame 导入，第一个函数将为每个电子邮件消息创建一个文件夹，第二个函数将数据从消息导入到 dataframe。附件需要在父目录的子目录上使用 for 循环单独处理。下面是我用注释创建的两个函数：

 # 1). Import the required modules and setup working directory
    
    import extract_msg
    import os
    import pandas as pd
    direct = os.getcwd() # directory object to be passed to the function for accessing emails, this is where you will store all .msg files
    ext = '.msg' #type of files in the folder to be read
    
    # 2). Create separate folder by email name and extract data 
    
    def content_extraction(directory,extension):
        for mail in os.listdir(directory):
            try:
                if mail.endswith(extension):
                    msg = extract_msg.Message(mail) #This will create a local 'msg' object for each email in direcory
                    msg.save() #This will create a separate folder for each email inside the parent folder and save a text file with email body content, also it will download all attachments inside this folder.            
            except(UnicodeEncodeError,AttributeError,TypeError) as e:
                pass # Using this as some emails are not processed due to different formats like, emails sent by mobile.
    
    content_extraction(direct,ext)

#3).Import the data to Python DataFrame using the extract_msg module
#note this will not import data from the sub-folders inside the parent directory 
#rather it will extract the information from .msg files, you can use a loop instead 
#to directly import data from the files saved on sub-folders.

def DataImporter(directory, extension):
    my_list = []
    for i in os.listdir(direct):
        try:
            if i.endswith(ext):
                msg = extract_msg.Message(i)
                my_list.append([msg.filename,msg.sender,msg.to, msg.date, msg.subject, msg.body, msg.message_id]) #These are in-built features of '**extract_msg.Message**' class
                global df
                df = pd.DataFrame(my_list, columns = ['File Name','From','To','Date','Subject','MailBody Text','Message ID'])
                print(df.shape[0],' rows imported')
        except(UnicodeEncodeError,AttributeError,TypeError) as e:
            pass

DataImporter(direct,ext)

Post 运行这2个函数，你将在一个Pandas DataFrame中拥有几乎所有的信息，你可以根据需要使用它。如果您还需要从附件中提取内容，则需要为父目录中的所有子目录创建一个循环，以根据附件的格式读取附件文件，就像我的情况一样，格式是 .pdf、.jpg、.png ,.csv 等。从这些格式获取数据将需要不同的技术，例如从 pdf 获取数据，您将需要 Pytesseract OCR 模块。

如果您找到更简单的从附件中提取内容的方法，请post将您的解决方案放在这里以供将来参考，如果您有任何问题，请发表评论。另外如果上面的代码有什么可以改进的地方，欢迎指出。

在 python 中将 msg 转换为 pdf

Converting msg to pdf in python

pdf

msg

data-conversion

python-3.x