用途:规范化并分类多账户 Gmail 联系人数据库,覆盖 ace、personal、skestates 三个账户,处理 Outlook CSV 导出及手工整理的联系人数据。
主要能力:解析清洗原始 CSV(去除尖括号、处理空名、重复项、垃圾条目、BOM 编码);建立规范化 schema(email,first_name,last_name,company,category,touchbase_cadence,notes);按 client、colleague、vendor、recruiter、industry、alumni、personal、financial、government、newsletter、spam、tenant 等类别分类;域映射与正则匹配垃圾邮件;文件内与跨文件去重。
使用方式:运行 uv run scripts/email/contact-normalizer.py,脚本一次处理全部账户,路径按工作区约定硬编码,无 CLI 参数。SKEstates 联系人由两个 markdown 文件构建。补充域映射后需编辑脚本中的域集合再重跑,脚本幂等。可先统计 unknown 域频率,再扩充映射。
限制与注意:Outlook 导出含 64 列冗长字段;邮箱常被尖括号包裹;约 30% 至 36% 无姓名,仅能按邮箱前缀推断,属启发式,需人工复核。联系人数据属 PII,不得提交到公开仓库,提交前运行 .legal-deny-list.yaml 扫描,保留原始 CSV,外部仓库须在其自身 git 目录内提交。缺少域名映射时首轮分类约两成,需反复扩充。涉及具体价格、效果等信息暂未提供。