跳转至

normalize

feishu.contact.normalize

get_user_email

Python
get_user_email(user: Mapping[str, Any], *, prefer_enterprise: bool = True) -> str | None

从用户数据中提取邮箱地址。

用户可能同时拥有企业邮箱（enterprise_email）与个人邮箱（email）。当 prefer_enterprise 为 True（默认）时优先返回企业邮箱，否则优先返回个人邮箱；任一字段缺失或为空时回退到另一字段， 两者皆无则返回 None。

参数：

名称 类型 描述 默认

user

Mapping[str, Any]

用户数据，通常为飞书返回的原始用户对象。

 必需

prefer_enterprise

bool

是否优先返回企业邮箱。默认为 True。

 True

返回：

类型 描述
str | None

邮箱地址，若均不存在则为 None。

示例：

Python Console Session
1
2
3
4
5
6
7
>>> user = {"email": "alice@corp.com", "enterprise_email": "alice@ent.com"}
>>> get_user_email(user)
'alice@ent.com'
>>> get_user_email(user, prefer_enterprise=False)
'alice@corp.com'
>>> get_user_email({}) is None
True
源代码位于： feishu/contact/normalize.py
Python
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
def get_user_email(user: Mapping[str, Any], *, prefer_enterprise: bool = True) -> str | None:
    r"""
    从用户数据中提取邮箱地址。

    用户可能同时拥有企业邮箱（`enterprise_email`）与个人邮箱（`email`）。当 `prefer_enterprise`
    为 `True`（默认）时优先返回企业邮箱，否则优先返回个人邮箱；任一字段缺失或为空时回退到另一字段，
    两者皆无则返回 `None`。

    Args:
        user: 用户数据，通常为飞书返回的原始用户对象。
        prefer_enterprise: 是否优先返回企业邮箱。默认为 `True`。

    Returns:
        邮箱地址，若均不存在则为 `None`。

    Examples:
        >>> user = {"email": "alice@corp.com", "enterprise_email": "alice@ent.com"}
        >>> get_user_email(user)
        'alice@ent.com'
        >>> get_user_email(user, prefer_enterprise=False)
        'alice@corp.com'
        >>> get_user_email({}) is None
        True
    """
    enterprise = user.get("enterprise_email") or None
    personal = user.get("email") or None
    if prefer_enterprise:
        return enterprise or personal
    return personal or enterprise

get_user_status

Python
get_user_status(user: Mapping[str, Any]) -> NestedDict

提取用户状态对象。

返回用户的 status 字段并统一封装为 NestedDict，便于以属性或缺省索引方式 读取 is_activated、is_frozen、is_resigned 等子字段。当字段缺失时返回空的 NestedDict。

参数：

名称 类型 描述 默认

user

Mapping[str, Any]

用户数据，通常为飞书返回的原始用户对象。

 必需

返回：

类型 描述
NestedDict

用户状态对象。

示例：

Python Console Session
1
2
3
4
>>> get_user_status({"status": {"is_activated": True}})["is_activated"]
True
>>> get_user_status({}).dict()
{}
源代码位于： feishu/contact/normalize.py
Python
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
def get_user_status(user: Mapping[str, Any]) -> NestedDict:
    r"""
    提取用户状态对象。

    返回用户的 `status` 字段并统一封装为 [`NestedDict`][chanfig.NestedDict]，便于以属性或缺省索引方式
    读取 `is_activated`、`is_frozen`、`is_resigned` 等子字段。当字段缺失时返回空的 `NestedDict`。

    Args:
        user: 用户数据，通常为飞书返回的原始用户对象。

    Returns:
        用户状态对象。

    Examples:
        >>> get_user_status({"status": {"is_activated": True}})["is_activated"]
        True
        >>> get_user_status({}).dict()
        {}
    """
    status = user.get("status") or {}
    return status if isinstance(status, NestedDict) else NestedDict(status)

is_active_user

Python
is_active_user(user: Mapping[str, Any]) -> bool

判断用户是否为在职可用状态。

仅当用户已激活（is_activated）且未被冻结（is_frozen）、未离职（is_resigned）时返回 True。

参数：

名称 类型 描述 默认

user

Mapping[str, Any]

用户数据，通常为飞书返回的原始用户对象。

 必需

返回：

类型 描述
bool

用户是否在职可用。

示例：

Python Console Session
1
2
3
4
5
6
>>> is_active_user({"status": {"is_activated": True, "is_frozen": False, "is_resigned": False}})
True
>>> is_active_user({"status": {"is_activated": True, "is_frozen": True}})
False
>>> is_active_user({})
False
源代码位于： feishu/contact/normalize.py
Python
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
def is_active_user(user: Mapping[str, Any]) -> bool:
    r"""
    判断用户是否为在职可用状态。

    仅当用户已激活（`is_activated`）且未被冻结（`is_frozen`）、未离职（`is_resigned`）时返回 `True`。

    Args:
        user: 用户数据，通常为飞书返回的原始用户对象。

    Returns:
        用户是否在职可用。

    Examples:
        >>> is_active_user({"status": {"is_activated": True, "is_frozen": False, "is_resigned": False}})
        True
        >>> is_active_user({"status": {"is_activated": True, "is_frozen": True}})
        False
        >>> is_active_user({})
        False
    """
    status = get_user_status(user)
    return bool(status.get("is_activated")) and not status.get("is_frozen") and not status.get("is_resigned")

get_user_department_ids

Python
get_user_department_ids(user: Mapping[str, Any]) -> list[str]

提取用户所属部门的 ID 列表。

返回用户 department_ids 字段的副本；字段缺失或为空时返回空列表。

参数：

名称 类型 描述 默认

user

Mapping[str, Any]

用户数据，通常为飞书返回的原始用户对象。

 必需

返回：

类型 描述
list[str]

部门 ID 列表。

示例：

Python Console Session
1
2
3
4
>>> get_user_department_ids({"department_ids": ["od-1", "od-2"]})
['od-1', 'od-2']
>>> get_user_department_ids({})
[]
源代码位于： feishu/contact/normalize.py
Python
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
def get_user_department_ids(user: Mapping[str, Any]) -> list[str]:
    r"""
    提取用户所属部门的 ID 列表。

    返回用户 `department_ids` 字段的副本；字段缺失或为空时返回空列表。

    Args:
        user: 用户数据，通常为飞书返回的原始用户对象。

    Returns:
        部门 ID 列表。

    Examples:
        >>> get_user_department_ids({"department_ids": ["od-1", "od-2"]})
        ['od-1', 'od-2']
        >>> get_user_department_ids({})
        []
    """
    return list(user.get("department_ids") or [])

get_user_identity

Python
get_user_identity(user: Mapping[str, Any]) -> NestedDict

提取用户的三种身份标识。

返回仅包含 user_id、open_id、union_id 的 NestedDict，缺失的字段以 None 占位，使调用方无需担心 KeyError 即可索引任一标识。

参数：

名称 类型 描述 默认

user

Mapping[str, Any]

用户数据，通常为飞书返回的原始用户对象。

 必需

返回：

类型 描述
NestedDict

包含 user_id、open_id、union_id 的身份标识对象。

示例：

Python Console Session
1
2
3
4
5
>>> identity = get_user_identity({"user_id": "u1", "open_id": "ou_1", "union_id": "on_1"})
>>> identity["user_id"], identity["open_id"], identity["union_id"]
('u1', 'ou_1', 'on_1')
>>> get_user_identity({"user_id": "u1"})["open_id"] is None
True
源代码位于： feishu/contact/normalize.py
Python
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
def get_user_identity(user: Mapping[str, Any]) -> NestedDict:
    r"""
    提取用户的三种身份标识。

    返回仅包含 `user_id`、`open_id`、`union_id` 的 [`NestedDict`][chanfig.NestedDict]，缺失的字段以
    `None` 占位，使调用方无需担心 `KeyError` 即可索引任一标识。

    Args:
        user: 用户数据，通常为飞书返回的原始用户对象。

    Returns:
        包含 `user_id`、`open_id`、`union_id` 的身份标识对象。

    Examples:
        >>> identity = get_user_identity({"user_id": "u1", "open_id": "ou_1", "union_id": "on_1"})
        >>> identity["user_id"], identity["open_id"], identity["union_id"]
        ('u1', 'ou_1', 'on_1')
        >>> get_user_identity({"user_id": "u1"})["open_id"] is None
        True
    """
    return NestedDict({k: user.get(k) for k in ("user_id", "open_id", "union_id")})

normalize_user

Python
normalize_user(user: Mapping[str, Any]) -> NestedDict

将飞书原始用户数据规整为统一结构。

提取常用字段（身份标识、姓名、邮箱、部门、状态）并派生 active 在职标志，同时在 raw 字段下 保留完整的原始数据，便于调用方读取未规整的字段。邮箱通过 feishu.contact.normalize.get_user_email 解析，在职标志通过 feishu.contact.normalize.is_active_user 派生。

部分字段是否被填充取决于应用所申请的数据权限（邮箱、手机号、部门、员工信息等字段级权限）。

参数：

名称 类型 描述 默认

user

Mapping[str, Any]

飞书返回的原始用户对象。

 必需

返回：

类型 描述
NestedDict

规整后的用户对象，包含 user_id、open_id、union_id、name、email、department_ids、
NestedDict

status、active 及原始数据 raw。
飞书文档

获取单个用户信息

示例：

Python Console Session
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
>>> user = normalize_user(
...     {
...         "user_id": "u1",
...         "open_id": "ou_1",
...         "name": "Alice",
...         "enterprise_email": "alice@ent.com",
...         "department_ids": ["od-1"],
...         "status": {"is_activated": True, "is_frozen": False, "is_resigned": False},
...     }
... )
>>> user["name"], user["email"], user["active"]
('Alice', 'alice@ent.com', True)
>>> user["raw"]["enterprise_email"]
'alice@ent.com'
源代码位于： feishu/contact/normalize.py
Python
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
def normalize_user(user: Mapping[str, Any]) -> NestedDict:
    r"""
    将飞书原始用户数据规整为统一结构。

    提取常用字段（身份标识、姓名、邮箱、部门、状态）并派生 `active` 在职标志，同时在 `raw` 字段下
    保留完整的原始数据，便于调用方读取未规整的字段。邮箱通过 [feishu.contact.normalize.get_user_email][]
    解析，在职标志通过 [feishu.contact.normalize.is_active_user][] 派生。

    部分字段是否被填充取决于应用所申请的数据权限（邮箱、手机号、部门、员工信息等字段级权限）。

    Args:
        user: 飞书返回的原始用户对象。

    Returns:
        规整后的用户对象，包含 `user_id`、`open_id`、`union_id`、`name`、`email`、`department_ids`、
        `status`、`active` 及原始数据 `raw`。

    飞书文档:
        [获取单个用户信息](https://open.feishu.cn/document/server-docs/contact-v3/user/get)

    Examples:
        >>> user = normalize_user(
        ...     {
        ...         "user_id": "u1",
        ...         "open_id": "ou_1",
        ...         "name": "Alice",
        ...         "enterprise_email": "alice@ent.com",
        ...         "department_ids": ["od-1"],
        ...         "status": {"is_activated": True, "is_frozen": False, "is_resigned": False},
        ...     }
        ... )
        >>> user["name"], user["email"], user["active"]
        ('Alice', 'alice@ent.com', True)
        >>> user["raw"]["enterprise_email"]
        'alice@ent.com'
    """
    return NestedDict(
        {
            "user_id": user.get("user_id"),
            "open_id": user.get("open_id"),
            "union_id": user.get("union_id"),
            "name": user.get("name"),
            "email": get_user_email(user),
            "department_ids": get_user_department_ids(user),
            "status": get_user_status(user),
            "active": is_active_user(user),
            "raw": user,
        }
    )

normalize_department

Python
normalize_department(dept: Mapping[str, Any]) -> NestedDict

将飞书原始部门数据规整为统一结构。

提取部门 ID、上级部门 ID、名称与成员数等常用字段，缺失的字段以 None 占位，并在 raw 字段下 保留完整的原始数据。

参数：

名称 类型 描述 默认

dept

Mapping[str, Any]

飞书返回的原始部门对象。

 必需

返回：

类型 描述
NestedDict

规整后的部门对象，包含 department_id、open_department_id、parent_department_id、name、
NestedDict

member_count 及原始数据 raw。
飞书文档

获取单个部门信息

示例：

Python Console Session
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
>>> dept = normalize_department(
...     {
...         "department_id": "d1",
...         "open_department_id": "od-1",
...         "name": "Engineering",
...         "member_count": 42,
...     }
... )
>>> dept["name"], dept["member_count"], dept["parent_department_id"]
('Engineering', 42, None)
>>> dept["raw"]["department_id"]
'd1'
源代码位于： feishu/contact/normalize.py
Python
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
def normalize_department(dept: Mapping[str, Any]) -> NestedDict:
    r"""
    将飞书原始部门数据规整为统一结构。

    提取部门 ID、上级部门 ID、名称与成员数等常用字段，缺失的字段以 `None` 占位，并在 `raw` 字段下
    保留完整的原始数据。

    Args:
        dept: 飞书返回的原始部门对象。

    Returns:
        规整后的部门对象，包含 `department_id`、`open_department_id`、`parent_department_id`、`name`、
        `member_count` 及原始数据 `raw`。

    飞书文档:
        [获取单个部门信息](https://open.feishu.cn/document/server-docs/contact-v3/department/get)

    Examples:
        >>> dept = normalize_department(
        ...     {
        ...         "department_id": "d1",
        ...         "open_department_id": "od-1",
        ...         "name": "Engineering",
        ...         "member_count": 42,
        ...     }
        ... )
        >>> dept["name"], dept["member_count"], dept["parent_department_id"]
        ('Engineering', 42, None)
        >>> dept["raw"]["department_id"]
        'd1'
    """
    return NestedDict(
        {
            "department_id": dept.get("department_id"),
            "open_department_id": dept.get("open_department_id"),
            "parent_department_id": dept.get("parent_department_id"),
            "name": dept.get("name"),
            "member_count": dept.get("member_count"),
            "raw": dept,
        }
    )