Szavak kinyerése Outlook levelezésből

TL;DR: Futó Outlook alkalmazásból vagy a fájlrendszeren lévő ".pst" fájlokból szeretnék szavakat kinyerni és letárolni programozott módon, egyszeri alkalommal szótár készítése céljából. A szó definíciója egyelőre csak annyi, hogy a levelek törzsében lévő, egybefüggő értelmes karakterláncok szóközzel határolva. Az egyetlen intelligencia ezen kívül amit elvárok majd az a duplikáció kezelése, de felőlem ez lehet a letárolás után is. Te milyen módon állnál ennek neki?

A munkám 95%-át angolul intézem, amiből a céges tesztek alapján C1-C2 szinten vagyok. Önszorgalomból tanulok németül pár éve és tavaly előtt csináltam egy B2 nyelvvizsgát, de azóta nem tudok továbblépni innen akárhogy erőlködöm (korábban dolgoztam is Németországban igaz angolul). Az évente változó IT cuccok helyett hosszú távú befektetésként tekintek a nyelvtudásra, ezért rövid távú célként tűztem ki, hogy legközelebb olyan irányba fogok váltani, ahol németül is kell beszélnem, hogy végre áttörjem a gátat és fellépjek a C szintre. A könyvesboltokban elérhető "Geschäftsdeutsch" témájú cuccok nem nagyon segítenek, mert a szókincsük nem releváns. Ekkor ötlött fel a gondolat, hogy a 10+ évre visszamenő Outlook archívum nagyjából az írásos lenyomata az angol szókincsemnek, ezáltal 100% releváns is számomra, tehát ha mindezt tudnám németül is, akkor át tudnék/mernék ülni egy német céghez hasonló munkakörbe. Ezért akarom valahogy ezeket a fájlokat feldolgozni, kinyerni a szavakat angolul, kidobni a nem releváns cuccokat, aztán bulkban lefordítani németre, majd végül szövegkörnyezetbe helyezni és megtanulni/begyakorolni.

Tud valaki erre ajánlani módszert? Hülyeség ez? Szívesen veszek tanácsokat olyanoktól is, akik két idegen nyelvet használnak aktívan munkájuk során.