Las descargas de Catalis desde http://inmabb.criba.edu.ar/catalis/catalis.php?p=download invocan a un script PHP que dispara un email a mi cuenta de correo en la UNS. Desde 2005 se han acumulado más de 3.000 mensajes. Esos datos están almacenados en un archivo mbox de Mozilla Thunderbird, y nunca fueron procesados ni siquiera incorporados a una base de datos.

Esto da una idea de cómo podríamos empezar a extraer los datos con Python:

import mailbox
mbox = mailbox.mbox('/path/to/mbox-file')
for msg in src_mbox:
  print msg.get('Date')
  print msg.get_payload()

catalis