大量のemlファイルをpythonでCSV形式の一覧に書き起こした話

概要

開発していてあるわけではなく、営業の先輩から「過去のメールのやりとりをExcel一覧で見れるようにしておきたい」という相談をもらい、「地味にeml形式だからテキストに起こすの面倒ですからね…」という共感の元、やってみたという話です。

やったこと

• ディレクトリに保存してある「emlファイルの一覧」から、「差出人」「宛先」「件名」「本文」「作成日時」が項目となっているCSVファイルを作った。
• 言語はpythonです。こういう痒いのをやりやすい。
• jupyter notebookでやりました。便利。

処理手順

必要パッケージのインポート

• 主にメールの処理に必要なもの
• CSV処理に必要なもの
• 日付処理に必要なもの

import email
import os
from email import policy
from email.parser import BytesParser
import csv
from datetime import datetime

（関数定義）emlファイルをメールオブジェクトに

def parse_eml(file_path):
    with open(file_path, 'rb') as f:
        msg = BytesParser(policy=policy.default).parse(f)
    return msg

（関数定義）メールオブジェクトからテキスト情報を取得

def get_email_text(email_msg):
    text = ""
    if email_msg.is_multipart():
        for part in email_msg.walk():
            if part.get_content_type() == 'text/plain':
                charset = part.get_content_charset() or 'utf-8'
                text = part.get_payload(decode=True).decode(charset, errors='replace')
                break
    else:
        if email_msg.get_content_type() == 'text/plain':
            charset = email_msg.get_content_charset() or 'utf-8'
            text = email_msg.get_payload(decode=True).decode(charset, errors='replace')
    return text

（関数定義）各メール情報を取得

def get_email_data(email_msg):
    from_address = email_msg.get('From', '')
    to_addresses = email_msg.get('To', '')
    to_addresses = '/'.join([addr.strip() for addr in to_addresses.split(',')])  # 複数の宛先を '/' 区切りにします
    subject = email_msg.get('Subject', '')
    text = get_email_text(email_msg)
    sent_date = email_msg.get('Date', '')

    return {
        'from': from_address,
        'to': to_addresses,
        'subject': subject,
        'text': text,
        'date': sent_date,
    }

（関数定義）取得したテキスト情報をCSVファイルに書き出し

def write_to_csv(file_name, data):
    with open(file_name, 'w', newline='', encoding='utf-8') as csvfile:
        fieldnames = ['from', 'to', 'subject', 'text', 'date']
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
        writer.writeheader()
        for item in data:
            writer.writerow(item)

実行処理

• emlファイルの一覧は、同階層の「mail」ディレクトリに入れました

if __name__ == '__main__':
    eml_dir = './mail'  # emlファイルが保存されているディレクトリ
    timestamp = datetime.now().strftime('%Y%m%d%H%M%S')  # 処理開始時刻を取得
    output_csv = f'output_{timestamp}.csv'  # 出力するCSVファイル名に時刻を追加

    email_data = []

    for filename in os.listdir(eml_dir):
        if filename.endswith('.eml'):
            file_path = os.path.join(eml_dir, filename)
            email_msg = parse_eml(file_path)
            email_info = get_email_data(email_msg)
            email_data.append(email_info)

    write_to_csv(output_csv, email_data)

おわり

• 言語や環境は色々ありますが「これ手動でやったら５時間ぐらいかかりそうだな」みたいなものを１時間で終わらせるにはpythonあたりがラクに着手できてよいですね。