Question

我想对我的电子邮件进行统计分析。为此，我选择带有Outlook的有趣电子邮件，然后将其保存为txt文件。

以下是您可以找到的样本（或近似由于翻译而来）：

Send:     monday 9 jully 2018 12:00
To:       john doe
Cc:       sister doe; brother doe; mother doe
Object:   my data issue
enclosed: data.pdf

Send:     monday 9 jully 2018 12:00
To:       john doe
Cc:       sister doe; brother doe; mother doe
Object:   my data issue
enclosed: data.pdf

Send:     monday 9 jully 2018 12:00
To:       john doe
Cc:       sister doe; brother doe; mother doe
Object:   my data issue
enclosed: data.pdf

很显然，要管理我的数据，最好将其分成几列。列标签为{发送，收件人，抄送，对象，附件}，每封电子邮件都标有一行。

我敢肯定，存在一种很好的方法来做到这一点，也许是对熊猫来说，但是我没有使用好的关键字来找到有效的答案。

有什么提示可以帮助我吗？

Answer 1

假设：

1）每个电子邮件信息集之间都有一个空行

2）在每个信息集中，您总是有5列（发送，到，抄送，对象，封闭），并且它们始终以相同的顺序出现

3）没有空数据（例如-所有电子邮件都有附件等）

input="""Send:     monday 9 jully 2018 12:00
To:       john doe
Cc:       sister doe; brother doe; mother doe
Object:   my data issue
enclosed: data.pdf

Send:     monday 9 jully 2018 12:00
To:       john doe
Cc:       sister doe; brother doe; mother doe
Object:   my data issue
enclosed: data.pdf

Send:     monday 9 jully 2018 12:00
To:       john doe
Cc:       sister doe; brother doe; mother doe
Object:   my data issue
enclosed: data.pdf"""

emails = input.split('\n\n')

output = list()

for email in emails:
    lines = email.split('\n')
    row=list()
    for line in lines:
        row.append(line.split(':')[1].strip())
    output.append(row)

print(output)

output将是列表的列表-在您的示例中为3行5列。以后可以根据需要相对轻松地将其转换为数据帧。

python：读取内联标签txt文件并将其格式化为列

1 个答案: