読み込んだemlファイルの情報をExcelに書き出す方法

Question

import sys
import email
from email.header import decode_header
import datetime
import glob
import os
import openpyxl

class MailParser(object):
    """
    メールファイルのパスを受け取り、それを解析するクラス
    """
 
    def __init__(self, mail_file_path):
        self.mail_file_path = mail_file_path
        # emlファイルからemail.message.Messageインスタンスの取得
        with open(mail_file_path, 'rb') as email_file:
            self.email_message = email.message_from_bytes(email_file.read())
        self.subject = None
        self.to_address = None
        self.cc_address = None
        self.from_address = None
        self.body = ""
        self.date = None
        # 添付ファイル関連の情報
        # {name: file_name, data: data}
        self.attach_file_list = []
        # emlの解釈
        self._parse()

    def get_attr_data(self):
        """
        メールデータの取得
        """
        result = """\
DATE: {}
FROM: {}
TO: {}
CC: {}
-----------------------
BODY:
{}
-----------------------
ATTACH_FILE_NAME:
{}
""".format(
            self.date,
            self.from_address,
            self.to_address,
            self.cc_address,
            self.body,
            ",".join([ x["name"] for x in self.attach_file_list])
        )
        return result


    def _parse(self):
        """
        メールファイルの解析
        __init__内で呼び出している
        """
        self.subject = self._get_decoded_header("Subject")
        self.to_address = self._get_decoded_header("To")
        self.cc_address = self._get_decoded_header("Cc")
        self.from_address = self._get_decoded_header("From")
        # 変更したところ
        self.date = datetime.datetime.strptime(
            self._get_decoded_header("Date"),
            "%a, %d %b %Y %H:%M:%S %z"
        )

        # メッセージ本文部分の処理
        for part in self.email_message.walk():
            # ContentTypeがmultipartの場合は実際のコンテンツはさらに
            # 中のpartにあるので読み飛ばす
            if part.get_content_maintype() == 'multipart':
                continue
            # ファイル名の取得
            attach_fname = part.get_filename()
            # ファイル名がない場合は本文のはず
            if not attach_fname:
                charset = str(part.get_content_charset())
                if charset:
                    self.body += part.get_payload(decode=True).decode(charset, errors="replace")
                else:
                    self.body += part.get_payload(decode=True)
            else:
                # ファイル名があるならそれは添付ファイルなので
                # データを取得する
                self.attach_file_list.append({
                    "name": attach_fname,
                    "data": part.get_payload(decode=True)
                })

    def _get_decoded_header(self, key_name):
        """
        ヘッダーオブジェクトからデコード済の結果を取得する
        """
        ret = ""

        # 該当項目がないkeyは空文字を戻す
        raw_obj = self.email_message.get(key_name)
        if raw_obj is None:
            return ""
        # デコードした結果をunicodeにする
        for fragment, encoding in decode_header(raw_obj):
            if not hasattr(fragment, "decode"):
                ret += fragment
                continue
            # encodeがなければとりあえずUTF-8でデコードする
            if encoding:
                ret += fragment.decode(encoding)
            else:
                ret += fragment.decode("UTF-8")
        return ret

if __name__ == "__main__":
    tifCounter = len(glob.glob1("./mail","*.eml"))
    print(tifCounter)
    for mail_file_path in glob.glob('./mail/*'):
        # ブックを取得
        book = openpyxl.load_workbook(r'C:\Users\Desktop')
        # シートを取得
        sheet = book['Sheet1']
        # セルへ書き込む
        sheet['A1'] = 'ナンバー'
        sheet['B1'] = 100
        # 保存する
        book.save(r'C:\Users\)
        
        result = MailParser(mail_file_path).get_attr_data()
        
        print(result)

https://qiita.com/pandachan5228/items/186690c4662ed1d8b823

を参考に複数のemlファイルを読み込みができ、最後にExcelに

日付　差出人名　差出人メールアドレス　内容

の4項目に分けてExcelに書き出すコードを教えてください！

https://teratail.com/questions/09h52spph2wsst
↑↑ここの回答者さんが説明を書いてくれてます〜。

print結果

総メール件数 1 件
日時: 2022-06-21 17:46:21+09:00
FROM: たこ焼きくん [e-mail]
TO: [e-mail]
CC:

本文:
はまやらわ

---

ATTACH_FILE_NAME:

↓完成！！！！🌟

import sys
import email
from email.header import decode_header
import datetime
import glob
import openpyxl

class MailParser(object):
    """
    メールファイルのパスを受け取り、それを解析するクラス
    """
    
    def __init__(self, mail_file_path):
        self.mail_file_path = mail_file_path
        # emlファイルからemail.message.Messageインスタンスの取得
        with open(mail_file_path, 'rb') as email_file:
            self.email_message = email.message_from_bytes(email_file.read())
        self.subject = None
        self.to_address = None
        self.cc_address = None
        self.from_address = None
        self.body = ""
        self.date = None
        # 添付ファイル関連の情報
        # {name: file_name, data: data}
        self.attach_file_list = []
        # emlの解釈
        self._parse()

    def get_attr_data(self):
        """
        メールデータの取得
        """
        result = """\
日時: {}
FROM: {}
TO: {}
CC: {}
-----------------------
本文:
{}
-----------------------
ATTACH_FILE_NAME:
{}
""".format(
            self.date,
            self.from_address,
            self.to_address,
            self.cc_address,
            self.body,
            ",".join([ x["name"] for x in self.attach_file_list])
        )
        return result


    def _parse(self):
        """
        メールファイルの解析
        __init__内で呼び出している
        """
        self.subject = self._get_decoded_header("Subject")
        self.to_address = self._get_decoded_header("To")
        self.cc_address = self._get_decoded_header("Cc")
        self.from_address = self._get_decoded_header("From")
        # 変更したところ
        self.date = datetime.datetime.strptime(
            self._get_decoded_header("Date"),
            "%a, %d %b %Y %H:%M:%S %z"
        )

        # メッセージ本文部分の処理
        for part in self.email_message.walk():
            # ContentTypeがmultipartの場合は実際のコンテンツはさらに
            # 中のpartにあるので読み飛ばす
            if part.get_content_maintype() == 'multipart':
                continue
            # ファイル名の取得
            attach_fname = part.get_filename()
            # ファイル名がない場合は本文のはず
            if not attach_fname:
                charset = str(part.get_content_charset())
                if charset:
                    self.body += part.get_payload(decode=True).decode(charset, errors="replace")
                else:
                    self.body += part.get_payload(decode=True)
            else:
                # ファイル名があるならそれは添付ファイルなので
                # データを取得する
                self.attach_file_list.append({
                    "name": attach_fname,
                    "data": part.get_payload(decode=True)
                })

    def _get_decoded_header(self, key_name):
        """
        ヘッダーオブジェクトからデコード済の結果を取得する
        """
        ret = ""

        # 該当項目がないkeyは空文字を戻す
        raw_obj = self.email_message.get(key_name)
        if raw_obj is None:
            return ""
        # デコードした結果をunicodeにする
        for fragment, encoding in decode_header(raw_obj):
            if not hasattr(fragment, "decode"):
                ret += fragment
                continue
            # encodeがなければとりあえずUTF-8でデコードする
            if encoding:
                ret += fragment.decode(encoding)
            else:
                ret += fragment.decode("UTF-8")
        return ret

if __name__ == "__main__":
    # ブックを取得
    book = openpyxl.load_workbook(r'C:\Users\ああああ\Desktop\あああ\あああああ.xlsx')
    # シートを取得
    sheet = book['Sheet1']
    
    tifCounter = len(glob.glob1("./mail","*.eml"))
    print("🙌総メール件数",tifCounter,"件🙌")
    
    i=2
    for mail_file_path in glob.glob('./mail/*'):
        try:
            result = MailParser(mail_file_path)
            # セルへ書き込む
            sheet.cell(row=i, column=1).value = i-1
            sheet.cell(row=i, column=2).value = result.date.replace(tzinfo=None)
            sheet.cell(row=i, column=4).value = result.from_address.split("<")[0]
            sheet.cell(row=i, column=5).value = result.from_address[:-1].split("<")[1]
            sheet.cell(row=i, column=6).value = result.body
            
            print(i-1,"件目💕書き込んだよ😘")
            print(mail_file_path)
            print()
        except ValueError:
            print(i-1,"件目エラーだよ😒")
            print(mail_file_path)
            print("👿👿👿👿👿👿👿👿👿👿👿👿👿👿")
            print()
        
        i+=1

    # 保存する
    book.save(r'C:\Users\ああああ\Desktop\あああ\あああああ.xlsx')
    print("終わったよ😍")

Comments

[TakaiY]

print(result) で出てきた結果を 1つか2つ、メアドなど差し障りのある内容は伏せ字にして質問に追加してください。

Answer 1

いろいろ変えなくてはなりませんが、ちょっとずつ。

まず、エクセルファイルをループの中で毎回開くようになっているので、ループの外に出します。
書き出し処理もループの外に出します。
ループの中で やるのはセルへの書き込みだけです。

• Excelファイルを開いて、シートオブジェツコを取得する
• ループでデータを取得してセルに書き込む
• Excelファイルを書き出す

セルのの参照は「A1」形式を使っていますが、これだと処理しにくいので,cellメソッドでセルを取ります。 こんな形になります。

        sheet.cell(raw=i, col=0).value = "日付"

先の書き方の行(raw)は、メール毎に増やさなければなりませんが、ループの前に変数「i」を0で初期化して、ループごとに1増やして使いましょう。

メールから抽出したデータはオブジェクトの変数に入っています。

result.date   #日付
result.from_address    # 差出人名　差出人メールアドレス
result.body    # 内容

差出人名は差出人メールアドレスの前についているようなので、スペースで分割(split)してそれぞれ取り出せばいいかと思います。ただし、差出人名が無いものがあったりした場合どうするかは悩ましいところですね。

で、これらを必要なカラムに設定すればいいでしょう。

とりあえず、アドバイスしてみました。

---

追記

こんな感じですかね？！？！

まだまだですね。

最初のコードからいきましょう。

    for mail_file_path in glob.glob('./mail/*'):
        # ブックを取得
        book = openpyxl.load_workbook(r'C:\Users\')
        # シートを取得
        sheet = book['Sheet1']
        # セルへ書き込む
        sheet['A1'] = 'ナンバー'
        sheet['B1'] = 100
        # 保存する
        book.save(r'C:\Users\')
        result = MailParser(mail_file_path).get_attr_data()
        print(result)

まずは、Excelの処理をループの外に出します。

    # ブックを取得
    book = openpyxl.load_workbook(r'C:\Users\')
    # シートを取得
    sheet = book['Sheet1']

    for mail_file_path in glob.glob('./mail/*'):
        # セルへ書き込む
        sheet['A1'] = 'ナンバー'
        sheet['B1'] = 100
        result = MailParser(mail_file_path).get_attr_data()
        print(result)

    # 保存する
    book.save(r'C:\Users\')

ループの中では sheet 変数が見えますが、これはエクセルのSheet1を保持しています。
このシートの列にメールファイルごとに情報を書き込むわけですから、基本的な処理はこれでだいたいできているのです。
あとは、どこからどこへデータを移すかということだす。

        sheet.cell(raw=i, col=0).value = <日付>
        sheet.cell(raw=i, col=1).value = <名前>
        sheet.cell(raw=i, col=2).value = <メアド>
        sheet.cell(raw=i, col=2).value = <内容>

日付などを取得するには、前に書いたように resultが必要だから、まずはresult取得して、この処理ですね。

    # ブックを取得
    book = openpyxl.load_workbook(r'C:\Users\')
    # シートを取得
    sheet = book['Sheet1']

    for mail_file_path in glob.glob('./mail/*'):
        result = MailParser(mail_file_path).get_attr_data()
        # セルへ書き込む
        sheet.cell(raw=i, col=0).value = <日付>
        sheet.cell(raw=i, col=1).value = <名前>
        sheet.cell(raw=i, col=2).value = <メアド>
        sheet.cell(raw=i, col=2).value = <内容>

    book.save(r'C:\Users\')

これで書き込めるのですが、このままだと「i」 が無い状態です。 iは行番号で、行はメールファイルごとに1つですから、ループが回るごとに1つ増やします。

    # ブックを取得
    book = openpyxl.load_workbook(r'C:\Users\')
    # シートを取得
    sheet = book['Sheet1']

    i = 0
    for mail_file_path in glob.glob('./mail/*'):
        result = MailParser(mail_file_path).get_attr_data()
        # セルへ書き込む
        sheet.cell(raw=i, col=0).value = <日付>
        sheet.cell(raw=i, col=1).value = <名前>
        sheet.cell(raw=i, col=2).value = <メアド>
        sheet.cell(raw=i, col=2).value = <内容>
        i += 1
    book.save(r'C:\Users\')

これで、ループが回るごとに違う行にデータを書き込むことができます。

あとは、 <日付> などですね。 <日付> は result.date に入ってますよね。 本文は、 body です。
名前とメアドは from_address にまとめて入っているので自分で分解して入れてみてください。

    # ブックを取得
    book = openpyxl.load_workbook(r'C:\Users\')
    # シートを取得
    sheet = book['Sheet1']

    i = 0
    for mail_file_path in glob.glob('./mail/*'):
        result = MailParser(mail_file_path).get_attr_data()
        # セルへ書き込む
        sheet.cell(raw=i, col=0).value = result.date
        sheet.cell(raw=i, col=1).value = <名前>
        sheet.cell(raw=i, col=2).value = <メアド>
        sheet.cell(raw=i, col=2).value = result.body
        i += 1
    book.save(r'C:\Users\')

ちなみに、
質問に出ていたコードは
``python
i = 1
for row in ws.iter_rows():
for cell in row:
sheet.cell(row=i, column=1).value = "日付"
i = i + 1

これでrowがぐるぐる回って、カラムもぐるぐる回っていますが、これにあわせて、メールを 読んだり、そのなかのデータを適切に取得したりしなければなりません。
もともと、複数あるファイルをループ回していて、1ファイル1行なのだから、エクセルの行やカラムで回す必要はないのです。

Comments

[UserName]

うわーー！！またまたありがとうございます！
やってみます！！！！！！！

[TakaiY]

ああ、あと、セルに書き込むタイミングは、resultに結果を取得した後ですよ。

[UserName]

print（result）
のあとに
for i in なんたらを入れればいいんですか、、、？😭

[UserName]

あ！

i = 1
for row in ws.iter_rows():
for cell in row:
sheet.cell(row=i, column=1).value = "日付"
i = i + 1

こんな感じですかね？！？！

[UserName]

--> 131 sheet.cell(raw=i, col=0).value = result.date

で

AttributeError: 'str' object has no attribute 'date'

というエラーが出るのですが何故ですか(><)

あと、回答のフォルダ名消しといてもらってもいいですか(><)本当すみません…………。

[UserName]

Excel入ってるフォルダ名全部消しといて欲しいです(><)

[TakaiY]

直しておきました。

>AttributeError: 'str' object has no attribute 'date'
というエラーが出るのですが何故ですか(><)

result = MailParser(mail_file_path).get_attr_data()
これを
result = MailParser(mail_file_path)
こうしてみていただけますか?

[UserName]

# セルへ書き込む
sheet.cell(row=i, column=1).value = result.body

だと問題なくExcelに書き出されるんですけど、

sheet.cell(row=i, column=1).value = result.date

だと

TypeError: Excel does not support timezones in datetimes. The tzinfo in the datetime/time object must be set to None.

が出るのですが(><)たくさん質問してすみません(><)

[UserName]

sheet.cell(row=i, column=1).value = result.from_address.split("<")[0]
sheet.cell(row=i, column=2).value = result.from_address[:-1].split("<")[1]
sheet.cell(row=i, column=3).value = result.body

差出人名とアドレス分けれました！！！！！
わーい！！！！🥳

[TakaiY]

おや、Excelはタイムゾーンを入れられないんですね。

sheet.cell(row=i, column=1).value = result.date.replace(tzinfo=None)

こうするとどうでしょう(ぼくも今調べた)

[UserName]

出来ました！！！！！！
完成ですぅ！！！！

本当にありがとうございました！
Python王子！！！🦄✨