Python实践之自动提取文件中邮箱和姓名

想象有一个项目，有几百个人申请，现在一个表已经汇集了申请人的姓名，邮箱，推荐单位。

OneDrive上每一个人都有一个文件夹，以申请序号+申请人名字命名，每个文件夹里面有简历，作品集，推荐信，提案等各种命名千奇百怪的文件。

现在老板要你把所有申请人的推荐人姓名和邮箱（存在于每个文件夹的推荐信中）都加上。

要是之前我就手动点开一个个汇总，但是最近接触了Python，想问能不能自动提取？

1.对着联合国大学老师ppt安装Miniconda，安装各种需要的包，并创造专属环境，获得可以输入代码的操作界面

下载自己电脑适配的安装包: https://docs.conda.io/en/latest/miniconda.html

双击安装包开始安装(和其他网站差不多

到时候安装完毕打开的操作界面是Anacoda Prompt

建环境就好像创立一个虚拟工作空间，不影响其他项目。

3.准备原始数据

3.1把OneDrive上所有文件夹下载下来

3.2还有包含申请人姓名，推荐单位，邮箱的Excel

放一个文件夹Data Folder

4.让ChatGPT写Code，存成一个.py文件

表达自己需求给ChatGPT，指定Data Folder在电脑中的路径，还有提取指定信息的规则，让它写Code。

我在此处的规则就是提取每个文件夹里面所有邮箱(关键标志@，后期再排除掉申请人本人邮箱），姓名就是sincerely，Best，Best Regard，faithfully 后面的内容。

不清楚提取规则的话，最好多提供一些sample，让ChatGPT 自己总结规则，然后调整Code。

5.在Anaconda Prompt 里面下命令run这个py文件

>>>是可以输入Python的标志，但是在这种交互模式下不可以run .py文件

要退出Python交互模式，才可以run .py文件

6.会有很多错误，遇到错误就复制回ChatGPT问怎么解决错误常常：某个需要的包没装，找不到指定文件，下命令不在对的模式，以及提取效果不理想。

我的提取效果不理想的一大原因是很多文件是转曲过的，无法识别文字，需要安装专门的OCR的包，ChatGPT也会告知下载网址和安装方法，装好后让ChatGPT给个测试code确定装好。

这个出错修复的过程会花费比较久的时间，我花了两天再在搞这个事情，大部分时间都在和ChatGPT一起修bug。

7.最后成果！

最后成功帮我找出了大概一半的推荐人姓名和邮箱，并匹配了申请人ID，生成了一个excel，另外一半我只能自己手工去找。

找的过程中发现没识别出来这些，有大多是照片格式推荐信，还有有的很模糊肉眼都很难识别，有的姓名正楷和签字部分重合很难识别……

在想下次这种信息提取项目，要增强对图片OCR能力，以及有没有可能提前把所有里面的签名拿掉，提升辨别能力。

其实这和我手动打开几百个文件夹去人工识别所花费的时间差不多，只不过我借这个工作安装了基本的Python工具，扫清了一些误区，探索了一下用Python更高效率工作的可能性！

我之前汇总申请人的姓名，邮箱那叫一个辛苦，要是那时候我有一些Python 辅助，应该会省很多力气。

之前的一些误区:

⚡我以为Python是个软件，其实它是一种计算机语言，操作界面可以用Anaconda Promopt，也可以用Visual Studio Code，老师说是目前Python常用的运行环境，我需要同时安装这个和Python，然后要用的时候打开这个界面即可。

下载地址：

https://code.visualstudio.com/docs/setup/windows

⚡我以为Python很高深，必须要有很强基础才能去应用。其实太简单了！只要装好，把需求告诉ChatGPT它会帮忙写code，有问题也发给它，也总会有解决方案，梦回我当初学习R的过程了哈哈哈

🧠Python常用的包和库(一些标准化可直接调用的工具）

⭐NumPy (Numerical Python)：提供数值计算的基础数据结构（高性能数组）与算法，是大多数科学计算应用的核心基础
⭐SciPy：基于 NumPy 的科学计算工具包，解决积分、优化、信号处理等基础科学计算问题，与 NumPy 一起构成完整成熟的计算基础
⭐pandas：用于处理结构化/表格数据的高级工具，核心对象包括 DataFrame（二维表格）和 Series（一维数组），操作灵活直观 

⭐matplotlib：用于生成二维数据可视化图表（如折线图、柱状图、散点图等）
⭐IPython / Jupyter Notebook：支持交互式编程环境，强调“边执行边探索”的工作流，提高数据分析与实验效率
⭐scikit-learn：通用机器学习工具库，包括分类（SVM、KNN、随机森林、逻辑回归等）、回归（Lasso、Ridge 等）和聚类（K-means、谱聚类等）算法
⭐statsmodels：侧重传统统计学与计量经济学分析，提供回归模型（线性回归、广义线性模型、稳健回归）、方差分析（ANOVA）以及统计模型结果的可视化与解释（如显著性检验）

看着都挺有用的，得用了才知道！

这两天搞这个事情搞得我眼睛痛，不过最后做出来还挺有成就感的！

虽然不是很完美，但是未来数据提取和汇总类的工作，我都有个一些自动化的概念！

之前觉得Python很困难，一直也没有开始，现在上手真的没啥难的，有困难就问ChatGPT总能解决。

感觉自己以前就是被自己预设的困难吓倒了，生活中的很多事情都是这样，做之前千难万难，开始做就会迎刃而解！

希望我的经历能够给你一些启发，也欢迎大家给出建议看有没有更高效的方案去完成这个项目。

一起学习，一起进步！