使用 Python 分析 Google Calender 日程

关注
发布于: 2020 年 05 月 27 日
1. 缘起制作 2019 年终工作总结 PPT 的时候想放入一些统计图，例如本年度参与的会议种类及数目。由于平时使用 Google Calender 安排日程，所以尝试从中分析。
2. 过程2.1 直接搜索第一个想法是搜索相关关键字，但是手动统计太麻烦了。
搜索“会议”日程
2.2 导出数据在查看 Google Calender 的设置的时候，发现能够导出数据。
Google Calender 导出日程
﻿
导出的文件是一个以 Google 账号使用的邮箱命名的 ZIP 压缩包，在上面选择导出了几个日历，这里就会有几个 ics 后缀的文件。直接打开 ics 文件的话，会唤起 Win 10 的邮件应用中执行日历导入操作（需要确认）。
导出的日历文件
﻿
直接用文本编辑器打开 ics 文件，会发现里面都是格式化的文本，包含使用 Google Calender 以来的全部数据。
ics 文件内容
2.3 分析数据分析记录，尝试找出规律。发现近期的记录基本都是这样的格式：
BEGIN:VEVENT
DTSTART:20181126T013000Z
DTEND:20181126T023000Z
DTSTAMP:20200105T011844Z
UID:0rm22n1nkgdibuhfao2mij324p@google.com
CREATED:20181122T064618Z
DESCRIPTION:
LAST-MODIFIED:20181122T064658Z
LOCATION:xx室
SEQUENCE:0
STATUS:CONFIRMED
SUMMARY:xxx需求评审
TRANSP:OPAQUE
END:VEVENT
更早的日历事件的字段会有差别（应该是更新过数据结构），但是我只需要 2019 年的，所以不需要关心。
根据我的需求，我只需要提取出这三个字段的内容即可：
DTSTART 事件开始时间
LOCATION 事件地点
SUMMARY 事件标题
2.4 提取记录使用 Python 提取数据，用到的代码如下：
import re
#正则模式
#单个事件记录
event_pattern=re.compile(r'^BEGIN:VEVEN.*?END:VEVENT$',re.MULTILINE|re.DOTALL)
#2019 年的起始时间
start_2019_pattern=re.compile(r'^DTSTART:2019.*?$',re.MULTILINE)
#提取起始时间
start_pattern=re.compile(r'^DTSTART:(?P<start>.+?)$',re.MULTILINE)
#提取标题
summary_pattern=re.compile(r'^SUMMARY:(?P<summary>.+?)$',re.MULTILINE)
#提取地点
location_pattern=re.compile(r'^LOCATION:(?P<location>.+?)$',re.MULTILINE)
#屏蔽的关键词，多次执行程序，逐步完善
block_summary = ['做饭','健身','钢琴','理财','制定周计划','聚餐','洗牙','电影','航班','生日','跑步','火车','加班','理发']
#处理事件
def deal_event(i,file):
    #提取起始时间为2019年的记录
    start2019Result = start_2019_pattern.findall(i)
    if len(start2019Result):
        #该事件属于2019年
        #提取开始时间
        startResult = start_pattern.search(i).group('start')
        #提取标题
        summaryResult = summary_pattern.search(i).group('summary')
        #提取地点
        locationSearchResult = location_pattern.search(i)
        locationResult = ''
        if locationSearchResult:
            #提出出了地点
            locationResult = locationSearchResult.group('location')
        #标记是否需要屏蔽这个事件（与工作无关）
        is_block = 0
        for block in block_summary:
            if block in summaryResult:
                is_block = 1
        if not is_block:
            #不屏蔽、想要的事件
            #写入结果文件
            file.write(startResult+','+locationResult+','+summaryResult)
            file.write('\n')
#导出的日历数据文件，保存成 txt 格式文件
calenderFile = open('./2019-GoogleCalender.txt')
#文件数据
calenderString = calenderFile.read()
#提取事件列表
extractEventList = event_pattern.findall(calenderString)
#保存的文件
filterEvent = open('./filterEvent.txt','w')
for event in  extractEventList:
    deal_event(event,filterEvent)
﻿
唯一的难点在于多行文本的正则提取。
﻿
提取的结果格式如下：
20190716T080000Z,xx会议室,xxx会议
20190716T080000Z,,xxx会议
﻿
由于安排日程的时候比较随意，命名不规范，所以无法做到完整的分类统计，这次只能先人工分类统计。
3. 后续计划1. 制定日程名称规范，例如参考 tagLyst 使用“#”在标题中标记标签，便于之后的统计。
2. 在 Google Calender 中建立其他日历，将工作和生活分开记录。
3. 完善代码：
直接使用 Python 生成统计图。
……
﻿