朋友遇到一点麻烦，我自告奋勇帮忙。事情是这样的：

- 他们的业务系统中，数据来自一个邮箱；

- 每一个邮件包含一条记录；

- 这些记录是纯文本的，字段之间由一些特殊字符分隔；

- 他们需要从邮箱中批量取出每一封邮件，放到一个excel文件中。

这些对python来说，真是小菜一碟。（事后证明，还是有些小坑，让我头疼了好一会儿。）

因为是初学者，没有必要从python2起步，我直接用了python3。

首先是收信。邮箱不支持pop3取信，好在支持IMAP。查了一下，python3有专门的库可以做到。

然后是要用正则表达式处理文本。

生成excel需要用到什么什么第三方库，找了一下，没下下来。干脆就简单点，生成csv文件吧。

==============

 def main():

     M = imaplib.IMAP4_SSL("my-host.com","993")

     t=0

     try:

         try:

             M.login('my-username','my-password')

         except Exception as e:

             print('login error: %s' % e)

             M.close()

         M.select('INBOX',False)

         # result, message = M.select()

         # tips: 如果想找Essh邮件的话,使用

         # type, data = M.search(None, '(SUBJECT "Essh")')

         # 里面要用一个括号,代表是一个查询条件,可以同时指定多个查询条件,例如FROM xxxx SUBJECT "aaa",

         # 注意,命令要用括号罩住(痛苦的尝试)

         typ, data = M.search(None, 'ALL')

         msgList = data[0].split()

         print("total mails:" + str(len(msgList)))

         last = msgList[len(msgList) - 1]

         # first = msgList[0]

         # M.store(first, '-FLAGS', '(\Seen)')

         # M.store("1:*", '+FLAGS', '\\Deleted') #Flag all Trash as Deleted

         output=PATH+'\output.csv'

         fp2=open(output, 'w')

         last_id=read_config()

         count=0

         for idx in range(int(last_id), len(msgList)):

             print("curr id: "+str(idx)+'\n')

             type,data=M.fetch(msgList[idx],'(RFC822)')

             deal_mail(data, fp2)

             count=count+1

             if count>500:

                 break

         write_config(idx)

         # print(str(idx))

         print("OK!")

         M.logout()

     except Exception as e:

         print('imap error: %s' % e)

         M.close()

这是main()部分。主要是连接IMAP服务器、取信、调用处理函数。

我发现，IMAP提供的接口比较怪异。不管怎么说，没怎么掉坑，网上的资料都很齐全。关于搜索的语法以及删除和置为已读/未读的命令都放在注释里。

这里面的逻辑是：首先获取上次处理的序号last_id，从此处开始，处理500条信件。然后将新的last_id写入配置文件中，下次读取。

在写这个程序的时候，遇到的最多的麻烦是关于str和bytes类型的。因为网上许多代码都是来自python2，所以在python3中就遇到多次提示：

cannot use a string pattern on a bytes-like object
write() argument must be str, not bytes
error: a bytes-like object is required, not 'str'
error: string argument without an encoding
error: cannot use a string pattern on a bytes-like object
 
等等。。。一个头两个大。比如，我要把半角逗号替换成全角逗号，这个最简单不过的功能，就试了半天：

这个错：

content=content.replace(',', '，')
error: a bytes-like object is required, not 'str'

这个也错：

content=content.replace(',', bytes('，'))
error: string argument without an encoding

最终这个才对了：

content=content.replace(bytearray(',','GBK'), '，'.encode('GBK'))

可是当我继续要把半角双引号变成全角双引号时，情况又不一样：

matchObj = re.match( r'.*<body>(.*)</body>.*', content.decode('GBK'), re.M|re.I|re.S)

if matchObj:

    found=matchObj.group(1) #邮件正文

    aa=found.split('#$') #分解为一个个field

    aa[9]=aa[9].replace('"', '“') #我靠前面的写法用不着了！ content=content.replace(bytearray(',','GBK'), '，'.encode('GBK'))

我汗。。。总之肯定里面有什么东西还不大明白，导致走了许多弯路。记录下来，利已助人吧。

以下是全部源码

#-*- coding:UTF-8 -*-

import imaplib, string, email

import os

import re

CONFIG_FILE='last_id.txt'

PATH=os.path.split(os.path.realpath(__file__))[0]

def main():

    M = imaplib.IMAP4_SSL("my-host.com","993")

    t=0

    try:

        try:

            M.login('my-username','my-password')

        except Exception as e:

            print('login error: %s' % e)

            M.close()

        M.select('INBOX',False)

        # result, message = M.select()

        # tips: 如果想找Essh邮件的话,使用

        # type, data = M.search(None, '(SUBJECT "Essh")')

        # 里面要用一个括号,代表是一个查询条件,可以同时指定多个查询条件,例如FROM xxxx SUBJECT "aaa",

        # 注意,命令要用括号罩住(痛苦的尝试)

        typ, data = M.search(None, 'ALL')

        msgList = data[0].split()

        print("total mails:" + str(len(msgList)))

        last = msgList[len(msgList) - 1]

        # first = msgList[0]

        # M.store(first, '-FLAGS', '(\Seen)')

        # M.store("1:*", '+FLAGS', '\\Deleted') #Flag all Trash as Deleted

        output=PATH+'\output.csv'

        fp2=open(output, 'w')

        last_id=read_config()

        count=0

        for idx in range(int(last_id), len(msgList)):

            print("curr id: "+str(idx)+'\n')

            type,data=M.fetch(msgList[idx],'(RFC822)')

            deal_mail(data, fp2)

            count=count+1

            if count>500:

                break

        write_config(idx)

        # print(str(idx))

        print("OK!")

        M.logout()

    except Exception as e:

        print('imap error: %s' % e)

        M.close()

def main2():

    path=os.path.split(os.path.realpath(__file__))[0]

    input=path+'\input2.txt'

    output=path+'\output.csv'

    fp=open(input, 'rb')

    fp2=open(output, 'w')

    if True:

        line=fp.read()

        pharse_content(fp2, line)

def get_mime_version(msg):

    if msg != None:

        return email.utils.parseaddr(msg.get('mime-version'))[1]

    else:

        empty_obj()

def get_message_id(msg):

    if msg != None:

        return email.utils.parseaddr(msg.get('Message-ID'))[1]

    else:

        empty_obj()

# 读config文件，获取上次最大id，从这个id开始读邮件

def read_config():

    if os.path.isfile(PATH+"\\"+CONFIG_FILE):

        _fp=open(PATH+"\\"+CONFIG_FILE)

        id=_fp.read()

        _fp.close()

    else:

        id=0

    return id

# 将本次处理的邮件的最大id写入config，以便下次读取

def write_config(id):

    _fp=open(PATH+"\\"+CONFIG_FILE, 'w')

    _fp.write(str(id))

    _fp.close()

def deal_mail(data, fp2):

    msg=email.message_from_string(data[0][1].decode('GBK'))

    messageid = get_message_id(msg)

    print(messageid)

    content=msg.get_payload(decode=True)

    #print(content)

    pharse_content(fp2, content, messageid)

def pharse_content(fp2, content, messageid):

    #将半角的 , 换成全角的 ，

    # content=content.replace(',', '，')   # error: a bytes-like object is required, not 'str'

    # content=content.replace(',', bytes('，')) # error: string argument without an encoding

    content=content.replace(bytearray(',','GBK'), '，'.encode('GBK'))

    # print(content.decode('GBK'))

    # strinfo=re.compile(',')

    # content=strinfo.sub('，', content)  # error: cannot use a string pattern on a bytes-like object

    matchObj = re.match( r'.*<body>(.*)</body>.*', content.decode('GBK'), re.M|re.I|re.S)

    if matchObj:

        found=matchObj.group(1) #邮件正文

        aa=found.split('#$')    #分解为一个个field

        # 获取申诉涉及号码。匹配模式：申诉问题涉及号码：18790912404;

        mobileObj=re.match(r'.*申诉问题涉及号码：(.*);', aa[9], re.M|re.I|re.S)

        if mobileObj:

            mobile=mobileObj.group(1)

        else:

            mobile=''

        # bb 是结果数组，对应生成的csv文件的列

        aa[9]=aa[9].replace('"', '“') #我靠前面的写法用不着了！ content=content.replace(bytearray(',','GBK'), '，'.encode('GBK'))

        bb=['']*40    #40个元素的数组，对应40个列

        bb[3]=aa[0]   #D列

        bb[4]=aa[4]   #E

        bb[5]=mobile  #F

        bb[6]=aa[5]   #G

        bb[7]=aa[2]   #H

        bb[8]=aa[1]   #I

        bb[9]=aa[3]   #J

        bb[11]=aa[6]  #L

        bb[12]=aa[6]  #M

        bb[22]='网站' #W 申诉来源。此处可自行修改为指定类型

        bb[36]='"'+aa[9]+'"'  #AK，两侧加 "" 是为了保证多行文字都放进一个单元格中

        DELI=','

        # fp2.write("AAAAA,"+DELI.join(bb)+"\\n")

        fp2.write(DELI.join(bb)+"\n")

    else:

        print("No match!!")

main()

再用python写一个文本处理的东东的更多相关文章

  1. 【Python】如何基于Python写一个TCP反向连接后门

    首发安全客 如何基于Python写一个TCP反向连接后门 https://www.anquanke.com/post/id/92401 0x0 介绍 在Linux系统做未授权测试,我们须准备一个安全的 ...

  2. Python写一个自动点餐程序

    Python写一个自动点餐程序 为什么要写这个 公司现在用meican作为点餐渠道,每天规定的时间是早7:00-9:40点餐,有时候我经常容易忘记,或者是在地铁/公交上没办法点餐,所以总是没饭吃,只有 ...

  3. 用Python写一个简单的Web框架

    一.概述 二.从demo_app开始 三.WSGI中的application 四.区分URL 五.重构 1.正则匹配URL 2.DRY 3.抽象出框架 六.参考 一.概述 在Python中,WSGI( ...

  4. 十行代码--用python写一个USB病毒 (知乎 DeepWeaver)

    昨天在上厕所的时候突发奇想,当你把usb插进去的时候,能不能自动执行usb上的程序.查了一下,发现只有windows上可以,具体的大家也可以搜索(搜索关键词usb autorun)到.但是,如果我想, ...

  5. [py]python写一个通讯录step by step V3.0

    python写一个通讯录step by step V3.0 参考: http://blog.51cto.com/lovelace/1631831 更新功能: 数据库进行数据存入和读取操作 字典配合函数 ...

  6. python统计一个文本中重复行数的方法

    python统计一个文本中重复行数的方法 这篇文章主要介绍了python统计一个文本中重复行数的方法,涉及针对Python中dict对象的使用及相关本文的操作,具有一定的借鉴价值,需要的朋友可以参考下 ...

  7. 用python写一个自动化盲注脚本

    前言 当我们进行SQL注入攻击时,当发现无法进行union注入或者报错等注入,那么,就需要考虑盲注了,当我们进行盲注时,需要通过页面的反馈(布尔盲注)或者相应时间(时间盲注),来一个字符一个字符的进行 ...

  8. python写一个能变身电光耗子的贪吃蛇

    python写一个不同的贪吃蛇 写这篇文章是因为最近课太多,没有精力去挖洞,记录一下学习中的收获,python那么好玩就写一个大一没有完成的贪吃蛇(主要还是跟课程有关o(╥﹏╥)o,课太多好烦) 第一 ...

  9. python写一个双色球彩票计算器

    首先声明,赌博一定不是什么好事,也完全没有意义,不要指望用彩票发财.之所以写这个,其实是用来练手的,可以参考这个来预测一些其他的东西,意在抛砖引玉. 啰嗦完了,马上开始,先上伪代码 打开网址 读取内容 ...

随机推荐

  1. 【旧文章搬运】Win7 OBJECT_HEADER之TypeIndex解析

    原文发表于百度空间,2010-08-09========================================================================== 在Wind ...

  2. CodeForces 1110G. Tree-Tac-Toe

    题目简述:给定$n$个节点的树,其中一些节点被染成了白色(其余节点未染色).黑白双方博弈,白先动.轮到黑(白)方时,选择树上的一个未染色的节点并将其染成黑(白)色.率先达成三连色(即存在三个节点$a, ...

  3. CodeForces Gym 100685I Innovative Business (贪心)

    题意:给定一条路的长和宽,然后给你瓷砖的长和宽,你只能横着或者竖着铺,也可以切成片,但是每条边只能对应一条边,问你最少要多少瓷砖. 析:先整块整块的放,然后再考虑剩下部分,剩下的再分成3部分,先横着, ...

  4. QDUoj GZS的三角形 棋盘里的数学 思维+杨辉三角

    1. 题目 我的提交 GZS的三角形 发布时间: 2015年9月6日 15:18   最后更新: 2016年6月26日 12:10   时间限制: 1000ms   内存限制: 256M 描述 机智无 ...

  5. LeetCode: 485 Max Consecutive Ones(easy)

    题目: Given a binary array, find the maximum number of consecutive 1s in this array. Example 1: Input: ...

  6. JAVA基础--JAVA API常见对象(其他API)13

    一.其他API 1.System类 system类中的方法和成员变量都是静态的, 不需要创建System对象就可以直接使用. /* * 演示System的使用 */ public class Syst ...

  7. 洛谷 - SP3871 GCDEX - GCD Extreme - 莫比乌斯反演

    易得 $\sum\limits_{g=1}^{n} g \sum\limits_{k=1}^{n} \mu(k) \lfloor\frac{n}{gk}\rfloor \lfloor\frac{n}{ ...

  8. Intel Code Challenge Final Round (Div. 1 + Div. 2, Combined)【A,B,C,D】

    呵呵哒,上分~ CodeForces 724A: 题意: 给你两个星期几,问连续两个月的头一天是否满足: #include <iostream> #include <stdio.h& ...

  9. Mysql相关函数使用和总结（cast、convert）

    一.类型转换 1.获取一个类型的值,并产生另一个类型的值,CAST()和CONVERT()函数. 用法: CAST(value as type); CONVERT(value, type); 解释:C ...

  10. Bootstrap Table 从新InsertRow 刷新表格 数据的问题处理方案

    1.第一步获取数据源 var rows = { //要插入的数据,这里要和table列名一致SkuCode: data.rows[i].SkuCode,BarCode: data.rows[i].Ba ...