再用python写一个文本处理的东东

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

【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 ...
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 ...
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( ...
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, ...
[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 ...
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 ...
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 ...
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 ...
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

css3 实现瀑布流
掌握点: 1.column-count 把div中的文本分为多少列 2.column-width 规定列宽 3.column-gap 规定列间隙 4.break-inside: avoid; 避免元素 ...
如果后台用framset框架布局，session过期，整个跳出回登录页面的方法
如果session过期了,登录页面会在framset框架的右边显示,只能用 js 来做,让整个框架跳出去: 然而,这里 js 必须要用“top”才可以,作用是让整个framset都跳转,直接用 win ...
Flutter实战视频-移动电商-17.首页_楼层组件的编写技巧
17.首页_楼层组件的编写技巧博客地址: https://jspang.com/post/FlutterShop.html#toc-b50 楼层的效果: 标题 stlessW快速生成: 接收一个St ...
UVaLive 10859 Placing Lampposts (树形DP)
题意:给定一个无向无环图,要在一些顶点上放灯使得每条边都能被照亮,问灯的最少数,并且被两盏灯照亮边数尽量多. 析:其实就是一个森林,由于是独立的,所以我们可以单独来看每棵树,dp[i][0] 表示不在 ...
JAVA实现DIJKSTRA算法
import java.util.Queue; import java.util.LinkedList; public class dijkstra{ public static void main( ...
SqlServer2012——表
1.数据类型数字类型:int,smallint, 高精度:decimal,numeric 日期和时间:datetime,smalldatetime 二进制:binary,varbinary,imag ...
JavaScript Symbol
创建: 2019/02/26 完成: 2019/02/26 生成每次生成的值都不一样(===, ==都是) var sym = Symbol(); // 可以有参数, 是对symbol的说明 v ...
MongoDb 安装服务以及安全配置
安装MongoDb 的服务命令如下: (cmd以管理员运行) mongod –logpath "D:\Program Files\mongodb\data\logs.txt" – ...
C# interface 的特性无法被implement class继承
最近做interface添加特性后,implement class 无法继承. 微软要求class是实现Interface而不是继承,所以我们必须手动添加特性,而不能自动继承. 对于abstract ...
（转）linux du命令
转自 http://www.cnblogs.com/peida/archive/2012/12/10/2810755.html Linux du命令也是查看使用空间的,但是与df命令不同的是Linux ...

再用python写一个文本处理的东东

再用python写一个文本处理的东东的更多相关文章

随机推荐

热门专题