电子邮件

本笔记展示了如何加载电子邮件（.eml）或 Microsoft Outlook（.msg）文件。

使用 Unstructured

%pip install --upgrade --quiet  unstructured

from langchain_community.document_loaders import UnstructuredEmailLoader

loader = UnstructuredEmailLoader("example_data/fake-email.eml")

data = loader.load()

data

[Document(page_content='这是一个用于单元测试的测试电子邮件。\n\n重要内容：\n\n玫瑰是红色的\n\n紫罗兰是蓝色的', metadata={'source': 'example_data/fake-email.eml'})]

保留元素

在幕后，Unstructured 为不同的文本块创建不同的“元素”。默认情况下，我们将它们合并在一起，但您可以通过指定 mode="elements" 轻松保持分离。

loader = UnstructuredEmailLoader("example_data/fake-email.eml", mode="elements")

data = loader.load()

data[0]

Document(page_content='这是一个用于单元测试的测试电子邮件。', metadata={'source': 'example_data/fake-email.eml', 'filename': 'fake-email.eml', 'file_directory': 'example_data', 'date': '2022-12-16T17:04:16-05:00', 'filetype': 'message/rfc822', 'sent_from': ['Matthew Robinson <mrobinson@unstructured.io>'], 'sent_to': ['Matthew Robinson <mrobinson@unstructured.io>'], 'subject': 'Test Email', 'category': 'NarrativeText'})

处理附件

您可以通过在构造函数中设置 process_attachments=True 来使用 UnstructuredEmailLoader 处理附件。默认情况下，附件将使用 unstructured 中的 partition 函数进行分区。您可以通过将函数传递给 attachment_partitioner 关键字参数来使用不同的分区函数。

loader = UnstructuredEmailLoader(
    "example_data/fake-email.eml",
    mode="elements",
    process_attachments=True,
)

data = loader.load()

data[0]

Document(page_content='这是一个用于单元测试的测试电子邮件。', metadata={'source': 'example_data/fake-email.eml', 'filename': 'fake-email.eml', 'file_directory': 'example_data', 'date': '2022-12-16T17:04:16-05:00', 'filetype': 'message/rfc822', 'sent_from': ['Matthew Robinson <mrobinson@unstructured.io>'], 'sent_to': ['Matthew Robinson <mrobinson@unstructured.io>'], 'subject': 'Test Email', 'category': 'NarrativeText'})

使用 OutlookMessageLoader

%pip install --upgrade --quiet  extract_msg

from langchain_community.document_loaders import OutlookMessageLoader

loader = OutlookMessageLoader("example_data/fake-email.msg")

data = loader.load()

data[0]

Document(page_content='这是一个用于测试 MS Outlook MSG Extractor 的测试电子邮件\r\n\r\n\r\n-- \r\n\r\n\r\n祝好\r\n\r\n\r\n\r\n\r\nBrian Zhou\r\n\r\n', metadata={'subject': 'Test for TIF files', 'sender': 'Brian Zhou <brizhou@gmail.com>', 'date': 'Mon, 18 Nov 2013 16:26:24 +0800'})