Pythonはメールヘッダの基本情報を抽出する

1メール内容
現在のメールの名前を「1.txt」とし、メールの内容は次のようにします.

From:   [email protected] on behalf of Bieber
Leader [[email protected]]
Sent:   2017-07-01 12:48
To: '[email protected]'; [email protected];
Willim Johnson; John Snow
Subject:    The battlefield in Winterfell


I have just met then. More details as soon as possible. So far, so good.

Sent via iPhone 7 plus

2考え方の抽出

メールヘッダ情報の抽出を要求し、情報を抽出する必要がある:

送信者(From:)、送信時間(Sent)、受信者(To)、トピック(Subject)

情報の行の内容を初歩的に抽出すればよい.

は1つの抽出関数を用いて,4つのキーワードを配列に入れ,正則で抽出する.

の4つの情報はすべてグローバル関数を行い、一致した場合、グローバル関数+1は識別されます.

情報が一致し、次の情報が一致していない場合、この行の内容も読み取る必要があります.

は関数の戻り値を抽出し、Noneであれば処理しない.

# coding: utf-8
import re

from_count = 0
sent_count = 0
to_count = 0
subject_count = 0


def inspect_string(string):
    global from_count
    global sent_count
    global to_count
    global subject_count

    keyword_list = ['From:', 'Sent:', 'To:', 'Subject:']
    for keyword in keyword_list:
        regex_str = ".*({0}.*)".format(keyword)
        match_obj = re.match(regex_str, string)

        if re.match(".*(From:.*)", string):
            from_count += 1

        if re.match(".*(Sent:.*)", string):
            sent_count += 1

        if re.match(".*(To:.*)", string):
            to_count += 1

        if re.match(".*(Subject:.*)", string):
            subject_count += 1

        if match_obj:
            return match_obj.group(1)

        if from_count > 0 and sent_count < 1:
            return string

        if sent_count > 0 and to_count < 1:
            return string

        if to_count > 0 and subject_count < 1:
            return string


with open('1.txt', 'rb') as f:
    for line in f:
        result = inspect_string(str(line))
        if result is None:
            continue
        print(result)

3運転結果

From:   [email protected] on behalf of Bieber
Leader [[email protected]]

Sent:   2017-07-01 12:48

To: '[email protected]'; [email protected];

Willim Johnson; John Snow

Subject:    The battlefield in Winterfell