因为往来邮件量比较大，为了统计分析两年的变化情况，决定把邮件从Outlook读取并写入MySQL，然后通过Excel查询分析。这里分享一下完整的提取Email信息的思路和代码。

另外，如果不用数据库，也可以利用同样的思路直接保存到Excel文件，不过需要注意的是，每个单元格最多存储3.2万字符，一般也足够了。

第一步：创建数据库。

通过MySQL可视化客户端新建数据库，字符集选择utf8，字符集校对选择utf8_general_ci。

第二步：通过Python脚本创建数据表。

字段长度可以修改，需要考虑Email各种信息的不同长度，也需要注意字段类型的匹配。

比如发件人可能只需要很少字符，但邮件正文就可能几万的字符。

# -*- coding: utf-8 -*-

import pymysql

# 1.链接数据库(用户名和密码对应数据库访问user/password)

conn = pymysql.connect(

host='127.0.0.1',

port=3306,

user='xxxx',

passwd='xxxx',

db='myemail_zl',

charset='utf8')

def connect_mysql(conn):

# 判断链接是否正常

conn.ping(True)

# 建立操作游标

cursor=conn.cursor()

# 设置数据输入输出编码格式

cursor.execute('set names utf8')

return cursor

# 建立链接游标

cur=connect_mysql(conn)

# 2、添加数据库表头

# ID, 根级目录, 一级目录, 二级目录, 接收时间, 发件人, 收件人, 抄送人, 邮件主题, 邮件ID, 会话主题, 会话ID, 会话历史记录ID, 邮件内容

cur.execute('''CREATE TABLE IF NOT EXISTS email_box2 (

ID INT NOT NULL AUTO_INCREMENT PRIMARY KEY,

根级目录 VARCHAR(255),

一级目录 VARCHAR(255),

二级目录 VARCHAR(255),

接收时间 VARCHAR(100),

发件人 VARCHAR(200),

收件人 VARCHAR(2550),

抄送人 VARCHAR(2550),

邮件主题 VARCHAR(255),

邮件ID VARCHAR(255),

会话主题 VARCHAR(255),

会话ID VARCHAR(255),

会话历史记录ID VARCHAR(2550),

邮件内容 MEDIUMTEXT

) DEFAULT CHARACTER SET utf8 COLLATE utf8_general_ci''')

# 3、提交&关闭链接

conn.commit()

conn.close()

print ('Done!')

第三步：打开Outlook并运行如下代码，即可把指定的邮件信息写入连接的数据库。

1、这里只读取两级目录(如下图)。

若二级目录还有子项，则可参考读取二级目录的代码，另外，SQL语句/字段都需要改动。

2、说明：

>> 根级目录：Outlook绑定的邮箱账户名称，也可以是Outlook连接的邮件存档名称。

>> 一级目录：是与收件箱(Inbox)同级的目录；

>>二级目录：是一级目录的子目录，就是自建的二级文件夹。

# -*- coding: utf-8 -*-

import pymysql

from win32com.client.gencache import EnsureDispatch as Dispatch

# import win32com.client

# 连接MySQL

conn = pymysql.connect(

host='127.0.0.1',

port=3306,

user='xxxx',

passwd='xxxx',

db='myemail_zl',

charset='utf8')

def connect_mysql(conn):

#判断链接是否正常

conn.ping(True)

#建立操作游标

cursor=conn.cursor()

#设置数据输入输出编码格式

cursor.execute("SET NAMES UTF8")

return cursor

#建立链接游标

cur=connect_mysql(conn)

# SQL语句

insert_sql = 'insert into email_box2 (根级目录,一级目录,二级目录,接收时间,发件人,收件人,抄送人,邮件主题,邮件ID,会话主题,会话ID,会话历史记录ID,邮件内容) values (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)'

# 连接Outlook

outlook = Dispatch("Outlook.Application")

mapi = outlook.GetNamespace("MAPI")

Accounts = mapi.Folders # 根级目录(邮箱名称，包括Outlook读取的存档名称)

for Account_Name in Accounts:

print(' >> 正在查询的帐户名称：',Account_Name.Name,'\n')

Level_1_Names = Account_Name.Folders # 一级目录集合(与inbox同级)

for Level_1_Name in Level_1_Names:

# 首先，向MySQL提交一级目录的邮件

print(' - 正在查询一级目录：' , Level_1_Name.Name)

Mail_1_Messages = Level_1_Name.Items # 一级文件夹的mail合集

for xx in Mail_1_Messages: # xx = 'mail' # 开始查看单个邮件的信息

Root_Directory_Name_1 = Account_Name.Name # 记录根目录名称

Level_1_FolderName_1 = Level_1_Name.Name # 记录一级目录名称

Level_2_FolderName_1 = '' # 一级目录肯定没有二级目录，顾留为空

if (hasattr(xx, 'ReceivedTime')):

ReceivedTime_1 = str(xx.ReceivedTime)[:-6] # 接收时间

else:

ReceivedTime_1 = ''

if (hasattr(xx, 'SenderName')): # 发件人

SenderName_1 = xx.SenderName

else:

SenderName_1 = ''

if (hasattr(xx, 'To')): # 收件人

to_to_1 = xx.To

else:

to_to_1 = ''

if (hasattr(xx, 'CC')): # 抄送人

cc_cc_1 = xx.CC

else:

cc_cc_1 = ''

if (hasattr(xx, 'Subject')): # 主题

Subject_1 = xx.Subject

else:

Subject_1 = ''

if (hasattr(xx, 'EntryID')): # 邮件MessageID

MessageID_1 = xx.EntryID

else:

MessageID_1 = ''

if (hasattr(xx, 'ConversationTopic')): # 会话主题

ConversationTopic_1 = xx.ConversationTopic

else:

ConversationTopic_1 = ''

if (hasattr(xx, 'ConversationID')): # 会话ID

ConversationID_1 = xx.ConversationID

else:

ConversationID_1 = ''

if (hasattr(xx, 'ConversationIndex')): # 会话记录相对位置

ConversationIndex_1 = xx.ConversationIndex

else:

ConversationIndex_1 = ''

if (hasattr(xx, 'Body')): # 邮件内容

EmailBody_1 = xx.Body

else:

EmailBody_1 = ''

# 写入MySQL

cur.execute(insert_sql, (Root_Directory_Name_1, Level_1_FolderName_1, Level_2_FolderName_1, ReceivedTime_1, SenderName_1, to_to_1, cc_cc_1, Subject_1, MessageID_1, ConversationTopic_1, ConversationID_1, ConversationIndex_1, EmailBody_1))

# 然后，判断当前查询的一级邮件目录是否有二级目录(若有多级目录，可以参考此段代码)

if Level_1_Name.Folders:

Level_2_Names = Level_1_Name.Folders # 二级目录的集合(比如，自建目录的子集)

for Level_2_Name in Level_2_Names:

print(' - - 正在查询二级目录：' , Level_1_Name.Name , '//' , Level_2_Name.Name)

Mail_2_Messages = Level_2_Name.Items # 二级目录的邮件集合

for yy in Mail_2_Messages: # xx = 'mail' # 开始查看单个邮件的信息

Root_Directory_Name_2 = Account_Name.Name # 记录根目录名称

Level_1_FolderName_2 = Level_1_Name.Name # 记录一级目录名称

Level_2_FolderName_2 = Level_2_Name.Name # 记录二级目录名称

if (hasattr(yy, 'ReceivedTime')):

ReceivedTime_2 = str(yy.ReceivedTime)[:-6] # 接收时间

else:

ReceivedTime_2 = ''

if (hasattr(yy, 'SenderName')): # 发件人

SenderName_2 = yy.SenderName

else:

SenderName_2 = ''

if (hasattr(yy, 'To')): # 收件人

to_to_2 = yy.To

else:

to_to_2 = ''

if (hasattr(yy, 'CC')): # 抄送人

cc_cc_2 = yy.CC

else:

cc_cc_2 = ''

if (hasattr(yy, 'Subject')): # 主题

Subject_2 = yy.Subject

else:

Subject_2 = ''

if (hasattr(yy, 'EntryID')): # 邮件MessageID

MessageID_2 = yy.EntryID

else:

MessageID_2 = ''

if (hasattr(yy, 'ConversationTopic')): # 会话主题

ConversationTopic_2 = yy.ConversationTopic

else:

ConversationTopic_2 = ''

if (hasattr(yy, 'ConversationID')): # 会话ID

ConversationID_2 = yy.ConversationID

else:

ConversationID_2 = ''

if (hasattr(yy, 'ConversationIndex')): # 会话记录相对位置

ConversationIndex_2 = yy.ConversationIndex

else:

ConversationIndex_2 = ''

if (hasattr(yy, 'Body')): # 邮件正文内容

EmailBody_2 = yy.Body

else:

EmailBody_2 = ''

# 写入MySQL

cur.execute(insert_sql, (Root_Directory_Name_2, Level_1_FolderName_2, Level_2_FolderName_2, ReceivedTime_2, SenderName_2,to_to_2, cc_cc_2, Subject_2, MessageID_2, ConversationTopic_2, ConversationID_2, ConversationIndex_2, EmailBody_2))

else:

pass

# 结尾

conn.commit()

conn.close()

print ('\n',' >> Done!')

最后的说明

1、打印的日志像这样：

>> 正在查询的帐户名称： xxx@xx.com

- 正在查询一级目录： 已删除邮件

- 正在查询一级目录： 收件箱

- 正在查询一级目录： 发件箱

- 正在查询一级目录： 已发送邮件

- 正在查询一级目录： 任务

- 正在查询一级目录： 快速步骤设置

- 正在查询一级目录： RSS 源

- 正在查询一级目录： Working Set

- 正在查询一级目录： 产品支持

- - 正在查询二级目录： 产品支持 // #2016/03/14#

- - 正在查询二级目录： 产品支持 // #更新、新品、例会#

2、因设定的字符集是utf8，若邮件信息包含不支持的字符(比如表情字符)，则会提示Warning，如下图。

<1> Warning: (1300, "Invalid utf8 character string: 'F09F99'")

<2> Warning: (1366, "Incorrect string value: '\\xF0\\x9F\\x99\\x8F\\xF0\\x9F...' for column '邮件内容' at row 1")

因为提示的不多，而且只是出现在“邮件内容(邮件正文)”，所以代码里面没有具体修改，如果觉着有必要，推荐的思路是把“数据库/表/字段/连接MySQL的URL”的utf8字符集全部改用utf8mb4。