在 R 中:按主题行搜索所有电子邮件,从正文中提取逗号分隔值,然后将值保存在数据框中

In R: Search all emails by subject line, pull comma-separate values from body, then save values in a dataframe

每天,我都会收到一封电子邮件,其中包含特定日期售出的水果数量。邮件结构如下:

Date of report:,04-JAN-2022
Time report produced:,5-JAN-2022 02:04
Apples,6
Pears,1
Lemons,4
Oranges,2
Grapes,7
Grapefruit,2

我正在尝试在 R 中构建一些代码来搜索我的电子邮件,找到所有具有特定主题的电子邮件,遍历每封电子邮件以找到我正在寻找的变量,获取值并将它们放置在日期列中包含“报告日期”的数据框中。

在社区人士的帮助下,我在 Python 中取得了预期的结果。然而,随着我的项目的发展,我现在需要尽可能在 R 中实现相同的结果。

不幸的是,我对 R 很陌生,因此如果有人对如何推进它有任何建议,我将不胜感激。

感兴趣的朋友,我的 Python 代码如下:

#PREP THE STUFF
Fruit_1 = "Apples"
Fruit_2 = "Pears"
searchf = [
    Fruit_1, 
    Fruit_2
]

#DEF THE STUFF
def get_report_vals(report, searches):
    dct = {}
    for line in report:
        term, *value = line
        if term.casefold().startswith('date'):
            dct['date'] = pd.to_datetime(value[0])
        elif term in searches:
            dct[term] = float(value[0])
    if len(dct.keys()) != len(searches):
    dct.update({x: None for x in searches if x not in dct})
return dct


#DO THE STUFF
outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
inbox = outlook.GetDefaultFolder(6) 
messages = inbox.Items
messages.Sort("[ReceivedTime]", True)

results = []

for message in messages:
    if message.subject == 'FRUIT QUANTITIES':
        if Fruit_1 in message.body and Fruit_2 in message.body:
            data = [line.strip().split(",") for line in message.body.split('\n')]
            results.append(get_report_vals(data, searchf))
        else:
            pass

fruit_vals = pd.DataFrame(results)
fruit_vals.columns = map(str.upper, fruit_vals.columns)

我可能以错误的方式解决这个问题,但我正在尝试使用我在 Python 中采取的步骤在 R 中实现相同的结果。例如,我创建了一些变量来保存我正在搜索的水果销售,然后我创建一个向量来存储可搜索的内容,然后当我创建一个等效的 'get_vals' 函数时,我创建一个空向量。

library(RDCOMClient)

Fruit_1 <- "Apples"
Fruit_2 <- "Pears"
##Create vector to store searchables
searchf <- c(Fruit_1, Fruit_2)
## create object for outlook
OutApp <- COMCreate("Outlook.Application")
outlookNameSpace = OutApp$GetNameSpace("MAPI")

search <- OutApp$AdvancedSearch("Inbox", "urn:schemas:httpmail:subject = 'FRUIT QUANTITIES'")
inbox <- outlookNameSpace$Folders(6)$Folders("Inbox")

vec <- c()

for (x in emails)
{
  subject <- emails(i)$Subject(1)
  if (grepl(search, subject)[1])
  {
    text <- emails(i)$Body()
    print(text)
    break
  }
}

可能这不是您期望得到的答案,但我必须在这里声明,以帮助其他读者将来避免此类错误。

很遗憾,您的 Python 代码不是 well-written。例如,我注意到以下代码,您在其中遍历文件夹中的所有项目并检查 Subject 和邮件正文中的关键字:

for message in messages:
    if message.subject == 'FRUIT QUANTITIES':
        if Fruit_1 in message.body and Fruit_2 in message.body:

您需要改用项目 class 的 Find/FindNextRestrict 方法。因此,您不需要遍历文件夹中的所有项目。相反,您只会得到符合您条件的物品。在以下文章中阅读有关这些方法的更多信息:

您可以将所有搜索条件合并到一个查询中。因此,您只需要遍历找到的项目并提取数据。

您可能还会发现 AdvancedSearch 方法很有帮助。在 Outlook 中使用 AdvancedSearch 方法的主要好处是:

  • 搜索在另一个线程中执行。您不需要手动 运行 另一个线程,因为 AdvancedSearch 方法 运行 它会自动在后台运行。
  • 可以在任何位置(即超出某个文件夹的范围)搜索任何项目类型:邮件、约会、日历、便笺等。 RestrictFind/FindNext 方法可以应用于特定的 Items 集合(请参阅 [=22= 的 Items 属性 ] class 在 Outlook 中)。
  • 完全支持 DASL 查询(自定义属性也可用于搜索)。您可以在 MSDN 的 Filtering 文章中阅读更多相关信息。为了提高搜索性能,如果为商店启用了即时搜索,则可以使用即时搜索关键字(请参阅 Store class 的 IsInstantSearchEnabled 属性)。
  • 您可以随时使用 Search class 的 Stop 方法停止搜索过程。

有关详细信息,请参阅 Advanced search in Outlook programmatically: C#, VB.NET

read.table 可能是 get_report_vals 的良好开端。
下面的代码将结果输出为列表,异常处理仍然需要实现:

report <- "
Date of report:,04-JAN-2022
Apples,6
Pears,1
Lemons,4
Oranges,2
Grapes,7
Grapefruit,2
"


get_report_vals <- function(report,searches) {
  data <- read.table(text=report,sep=",")
  colnames(data) <- c('key','value')

  # find date
  date <- data[grepl("date",data$key,ignore.case=T),"value"]
  
  # transform dataframe to list
  lst <- split(data$value,data$key)
  
  # output result as list
  c(list(date=date),lst[searches])
}

get_report_vals(report,c('Lemons','Oranges'))
$date
[1] "04-JAN-2022"

$Lemons
[1] "4"

$Oranges
[1] "2"

然后可以使用 rbind:

将各种报告的结果连接成 data.frame
rbind(get_report_vals(report,c('Lemons','Oranges')),get_report_vals(report,c('Lemons','Oranges')))
     date          Lemons Oranges
[1,] "04-JAN-2022" "4"    "2"    
[2,] "04-JAN-2022" "4"    "2"

代码现在可以按预期运行。函数的编写与推荐的有很大不同:

get_vals <- function(email) {
  body <- email$body()
  date <- str_extract(body, "\d{2}-[:alpha:]{3}-\d{4}") %>% 
    as.character()
  data <- read.table(text = body, sep = ",", skip = 9, strip.white = T) %>% 
    row_to_names(1) %>% 
    mutate("Date" = date)

  return(data)
}

此外,我还写了这个来将行绑定在一起:

info <- sapply(results, get_vals, simplify = F) %>% 
  bind_rows()