从.PST文件中提取文本

Question

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。

Python中的Outlook PST文件解析

从win32或pypff读取PST文件

pypff / libpff出口PST和OST

我主要关注的是库libpff (https://github.com/libyal/libpff)，但我认为这个库对提取pst文本没有帮助。

我的代码：

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

代码打开pst，但我不知道如何将其内容提取为txt。

Answer 1

是的，您可以使用pypff提取文本。我也跟踪了这个链接(pypff / libpff出口PST和OST)。

pypff.file()可能会令人困惑，因为开发人员并没有为指令提供每个函数和属性的良好文档。我花了一段时间自己去探索。

这是我最近做的事。

# 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')

对于那些想要使用pypff的人，不要使用pip安装。它只是从版本20161119构建的，它对我来说经常崩溃。

在他们的网站上用更新的版本构建。有一个setup.py，它应该很容易构建。

对于附件，ascii解码器并不理想。我已经尝试过所有98个解码器中的python3，没有一个能解码每一个字节。这意味着，单个方法无法解码所有。在我的例子中，utf_16可以提取内容，这对我来说已经足够好了。