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。

Outlook PST File Parsing in Python

Read PST files from win32 or pypff

Export PST and OST with pypff / libpff

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

我的代码：

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

代码打开 pst，但我看不到如何将其内容提取为 txt。

Answer 1

是的，您可以使用pypff 提取文本。我也关注了这个链接（Export PST and OST with pypff / libpff）。

pypff.file() 可能会让人感到困惑，因为开发人员没有为指令提供每个函数和属性的体面文档。我自己花了一些时间来探索它。

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')

想要使用pypff的用户，不要使用pip install。它仅从版本 20161119 构建，这对我来说崩溃了很多。

在他们的website 上从较新版本构建。有一个setup.py，应该很容易构建。

对于附件，ascii 解码器并不理想。我在 python3 中尝试过all 98 decoders，但没有一个可以解码每个字节。这意味着，单个方法不能解码所有。在我的情况下，utf_16 可以提取内容，这对我来说已经足够了。