Блог

Я пытаюсь использовать скрипт Python для просмотра моего почтового ящика Outlook и сохранения тела электронных писем с определенной темой в фрейме данных pandas. До сих пор я мог получить доступ к своему почтовому ящику и выполнить поиск по всем моим электронным письмам в поисках желаемой темы, а затем сохранить тело электронного письма в виде списка. Для этого я использовал библиотеку win32.client со следующим кодом «‘

 import win32com.client
import time
import datetime as dt
from os import path
import pandas as pd
outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")
inbox = outlook.GetDefaultFolder(6) 

messages = inbox.Items
contents = []
for m in messages:
    if 'XXXX XXXXX XXXX' in m.Subject :
        contents.append((m.body))


df = pd.DataFrame(contents)

arr = [a.split("rn") for a in contents]
  

«‘
что приводит к следующему результату :

Наибольшее увеличение риска на сумму в долларах

CM Name CM AT ID Риск Увеличения / (уменьшения) риска % % от чистого капитала ETH Elig

ABN AMRO Clearing Chicago LLC xxxx M N 78 776 523149,3 12,6 У
Credit Suisse Securities (USA) LLC xxxx C 26 806 976 2,6 0,3 У
Goldman Sachs amp; Co. LLC xxxx M N 19,121,988 15,7 0,0 У
SG Americas Securities, LLC xxxx C 12,574,954 13,2 0,2 У
Robinhood Securities, LLC xxxx C 11,729,669 179,7 4,7 У
TD Ameritrade Clearing, Inc. xxxx C 11,415,323 5,7 0,3 У
Jefferies LLC xxxx C 9,923,448 16,4 0,7 У
Wells Fargo Securities, LLC xxxx C 8 990 763 2,2 0,1 Г
J.P. Morgan Securities LLC xxxx F 8 838 248 0,6 0,0 Г
SG Americas Securities, LLC xxxx C 8 203 265 24,8 0,1 Г

Наибольшее увеличение риска в процентах от чистого капитала

CM Name CM AT ID Риск Увеличения / (уменьшения) риска % % от чистого капитала ETH Elig

ABN AMRO Clearing Chicago LLC xxxx M N 78 776 523149,3 12,6 У
Robinhood Securities, LLC xxxx C 11 729 669 179,7 4,7 N
Hilltop Securities Inc. xxxx F 6 779 534 47,7 2,7 N
Phillip Capital Inc. xxxx C 696 778 10,8 1,3 У
StockCross Financial Services, Inc. xxxx F 207 372 40,4 1.1 N
Lek Securities Corporation xxxx C 144 803 10,8 1,0 N
Jefferies LLC xxxx C 9 923 448 16,4 0,7 N
Wedbush Securities Inc. xxxx F 1 009 205 15,3 0,5 N
E D amp; F Man Capital Markets Inc. xxxx C 923 893 6,3 0,4 года
ABN AMRO Clearing Chicago LLC xxxx M N 2 974 657 58,7 0,4 года

Наибольшее снижение риска на сумму в долларах

CM Name CM AT ID Риск Увеличения / (уменьшения) Риска Уменьшение % % от чистого капитала ETH Elig

TD Ameritrade Clearing, Inc. xxxx C -58,006,018 -5,9 1,7 N
UBS Securities LLC xxxx C -43,626,425 -9,8 1,0 У
Merrill Lynch Professional Clearing Corp. xxxx M N -39,163,279 -6,1 0,5 У
National Financial Services LLC xxxx C -35,518,333 -3,0 0,7 У
ABN AMRO Clearing Chicago LLC xxxx M N -33 584 651 -27,0 5,3 У
E * TRADE Securities LLC xxxx C -28,706,087 -6,8 2,1 N
TD Prime Services LLC xxxx F -28,362,239 -6,9 3,7 У
Charles Schwab amp; Co., Inc. xxxx C -24 738,164 -3,2 0,7 N
J.P. Morgan Securities LLC xxxx C -16 521,434 -2,4 0,0 У
Interactive Brokers LLC xxxx C -15,815,411 -4,0 0,3 Y

Объект arr интерпретируется как список списков. И каждый список в arr содержит 64 элемента. В идеале я хотел бы иметь возможность конвертировать эти необработанные сообщения электронной почты в объект, на котором я мог бы выполнять анализ, но я не могу понять, как проанализировать мой список списков таким образом, чтобы данные можно было считывать в фрейм данных в том же порядке, в каком они представлены в электронном письме.

Любая помощь высоко ценится.