从python中的.eml文件解析excel附件

Posted 2023-03-15

【中文标题】从python中的.eml文件解析excel附件

【英文标题】：Parse excel attachment from .eml file in python

【发布时间】：2019-06-02 07:44:33

【问题描述】：

我正在尝试解析 .eml 文件。 .eml 有一个 Excel 附件，该附件当前采用 base 64 编码。我正在尝试弄清楚如何将其解码为 XML，以便我以后可以将其转换为我可以使用的 CSV。

这是我现在的代码：

import email

data = file('Openworkorders.eml').read()
msg = email.message_from_string(data)

for part in msg.walk():
    c_type = part.get_content_type()
    c_disp = part.get('Content Disposition')


    if part.get_content_type() == 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet':
        excelContents = part.get_payload(decode = True)

        print excelContents

问题是

当我尝试对其进行解码时，它会吐出一些看起来像这样的东西。

我使用这篇文章来帮助我编写上面的代码。

How can I get an email message's text content using Python?

更新：

这与我的文件完全遵循帖子的解决方案，但part.get_payload() 返回仍然编码的所有内容。我还没有弄清楚如何以这种方式访问​​解码的内容。

import email


data = file('Openworkorders.eml').read()
msg = email.message_from_string(data)
for part in msg.walk():
    if part.get_content_type() == 'application/vnd.openxmlformats-officedocument.spreadsheetml.sheet':
        name = part.get_param('name') or 'MyDoc.doc'
        f = open(name, 'wb')
        f.write(part.get_payload(None, True)) 
        f.close()

        print part.get("content-transfer-encoding")

【问题讨论】：

嗨@stovfl，我已经尝试过了，但 part.get_payload 仍然返回编码的附件。我在上面包含了一个更新的 sn-p，以防我做错了什么

看起来很好分开MyDoc.doc，应该类似于Openworkorders.ods 或Openworkorders.xlsx。尝试使用 Excel 或 OpenOffice 打开保存的文件。

“我可以看到内容很好”。您已成功从.eml 中提取.xlsx。 “将其解析为 CSV”：简单的解决方案是将其从 Excel 保存到 CSV。如果你想使用 Python 来实现，请使用 Working with Excel Files in Python

上显示的包

相关xls-to-csv-converter

“如何在 Excel 中打开对我有帮助”：eml => f.write(part.get_payload( => *.xlsx => 使用 Excel 打开 == 已验证。 这行得通吗？

【参考方案1】：

从this table 可以清楚地看出（并且您已经得出结论），此文件是.xlsx。你不能只用unicode 或base64 解码它：你需要一个特殊的包。 Excel 文件特别复杂（例如，this one 处理 PowerPoint 和 Word，但不是 Excel）。网上有几个，见here - xlrd 可能是最好的。

【讨论】：

我应该按照自述文件的指示安装全文吗？另外，我具体应该如何处理该扩展程序？ application/vnd.ms-excel

感谢您的回复，您绝对是对的，但是由于您的回答有点笼统，我稍后会发布我的解决方案。

太棒了！是的，我不确定所有细节，您绝对应该继续发布您的解决方案

【参考方案2】：

这是我的解决方案：

我发现了 2 件事：

1.) 我认为 .open() 正在进入 .eml 并更改选定的解码元素。我想我需要在继续之前查看解码数据。 .open() 真正发生的是它在该 .xlsx 文件的同一目录中创建一个新文件。您必须先打开附件，然后才能处理数据。 2.) 您必须打开带有文件路径的 xlrd 工作簿。

import email
import xlrd 

data = file('EmailFileName.eml').read()
    msg = email.message_from_string(data)  # entire message

    if msg.is_multipart():
        for payload in msg.get_payload():
            bdy = payload.get_payload()
    else:
        bdy = msg.get_payload()

    attachment = msg.get_payload()[1]


    # open and save excel file to disk
    f = open('excelFile.xlsx', 'wb')
    f.write(attachment.get_payload(decode=True))
    f.close()

    xls = xlrd.open_workbook(excelFilePath) # so something in quotes like '/Users/mymac/thisProjectsFolder/excelFileName.xlsx'

    # Here's a bonus for how to start accessing excel cells and rows
    for sheets in xls.sheets():
        list = []
        for rows in range(sheets.nrows):
            for col in range(sheets.ncols):
                list.append(str(sheets.cell(rows, col).value))