python - 从.PST文件中提取文本

我正在尝试提取.pst文件的内容（作为字符串/文本）。

我尝试了不同的答案，但没有找到任何相关的解决方案。

Outlook PST File Parsing in Python

Read PST files from win32 or pypff

Export PST and OST with pypff / libpff

我主要关注libpff库（https://github.com/libyal/libpff），但我认为该库对提取pst文本没有帮助。

我的代码：

import pypff
pst = pypff.file()
pst.open("my_pst_file.pst")

该代码将打开pst，但是我看不到如何将其内容提取为txt。

最佳答案

是的，您可以使用pypff提取文本。我也遵循此链接（Export PST and OST with pypff / libpff）。

pypff.file()可能会造成混淆，因为开发人员并未提供有关每个功能和属性的说明性文档。花了我一段时间自己探索。

这是我最近所做的。

# path to your pst file
opst = pypff.open(path)
root = opst.get_root_folder()

# 3 subfolders, for me, only 2nd one has content
# Use 'root.get_number_of_sub_folders()' to see which folder is blank
folder = root.get_sub_folder(1)
# 2 subfolders, the 2nd one is my inbox
inbox = folder.get_sub_folder(1)

# mail count in current folder
count = inbox.get_number_of_sub_items()

# Example of extracting info from one email
msg = inbox.get_sub_item(0)

subject = msg.subject
content = msg.plain_text_body.decode()
sender = msg.sender_name
header = msg.transport_headers
sent_time = msg.delivery_time

if msg.number_of_attachments > 0:
    # read from attachment 1
    size = attachment = msg.get_attachment(0).get_size()
    attachment_content = (msg.get_attachment(0).read_buffer(attach_size)).decode('ascii', errors='ignore')

对于那些想使用pypff的人，不要使用pip install。它仅从版本20161119构建，这对我来说崩溃很多。

从其website上的较新版本进行构建。有一个setup.py，它应该很容易构建。

对于附件，ascii解码器不是理想的选择。我在python3中尝试了all 98 decoders，但是没有一个可以解码每个字节。这意味着，单个方法无法解码全部。就我而言，utf_16可以提取内容，对我来说足够了。

关于python - 从.PST文件中提取文本，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58507417/