python自带的email模块是个很有意思的东西,它可以对邮件编码解码,用来处理邮件非常好用。
处理邮件是一个很细致的工作,尤其是解码邮件,因为它的格式变化太多了,下面先看看一个邮件的源文件:
Received: from 192.168.208.56 ( 192.168.208.56 [192.168.208.56] ) by
ajax-webmail-wmsvr37 (Coremail) ; Thu, 12 Apr 2007 12:07:48 +0800 (CST)
Date: Thu, 12 Apr 2007 12:07:48 +0800 (CST)
From: user1
To: zhaowei
Message-ID: <31571419.200911176350868321.JavaMail.root@bj163app37.163.com>
Subject: =?gbk?B?u+nJtA==?=
MIME-Version: 1.0
Content-Type: multipart/Alternative;
boundary="----=_Part_21696_28113972.1176350868319"
------=_Part_21696_28113972.1176350868319
Content-Type: text/plain; charset=gbk
Content-Transfer-Encoding: base64
ztLS0b+qyrzS1M6qysfSu7j20MfG2ru70ru0zqOs1K3AtMrH0ru49tTCtffSu7TOztLDx8/W1NrT
prjDysew67XjssXE3MjI1ebC6bezICAg
------=_Part_21696_28113972.1176350868319
Content-Type: text/html; charset=gbk
Content-Transfer-Encoding: quoted-printable
=BB=D2=BB=B4=CE=A3=AC=D4=AD=C0=B4=CA=C7=D2=BB=B8=F6=D4=C2=B5=F7=D2=BB=B4=CE=
=C8
------=_Part_21696_28113972.1176350868319--
上面的就是以封邮件的源文件,从第一行到第一个空行之间的为信件头,后面的就是信件体了。把上面的信息复制下来存到一个叫xxx.eml的文件里,用鼠标双击就可以看到内容,当然看到的是解码后的,是outlook帮你解码了。
看看email模块怎么处理这个邮件,假设信件已经存为xxx.eml。
#-*- encoding: gb2312 -*-
importemail
fp=open("xxx.eml","r")
msg=email.message_from_file(fp)#直接文件创建message对象,这个时候也会做初步的解码
subject=msg.get("subject")#取信件头里的subject, 也就是主题
#下面的三行代码只是为了解码象=?gbk?Q?=CF=E0=C6=AC?=这样的subject
h=email.Header.Header(subject)
dh=email.Header.decode_header(h)
subject=dh[0][0]
print"subject:", subject
print"from:", email.utils.parseaddr(msg.get("from"))[1]#取from
print"to:", email.utils.parseaddr(msg.get("to"))[1]#取to
fp.close()
这段代码可以把一封邮件中的主题、发件人、收件人解析出来。email.utils.parseaddr是用来专门解析邮件地址的,原因是邮件地址很多时候在原文里是这样写的:user1 , email.utils.parseaddr就可以把它解析为一个列表,第一项是user1, 第二项是xxxxxxxx@163.com, 这里只显示了后面以部分。
前面那段代码只是解析了信件头,接着解析信件体吧。信体里可能有纯文本的plain和html两部分,也可能有附件。这里需要mime的知识,详细介绍可以从网上搜搜。我这里就不说了,下面看看怎么解析的:
#-*- encoding: gb2312 -*-
importemail
fp=open("xxx.eml","r")
msg=email.message_from_file(fp)
#循环信件中的每一个mime的数据块
forparinmsg.walk():
ifnotpar.is_multipart():#这里要判断是否是multipart,是的话,里面的数据是无用的,至于为什么可以了解mime相关知识。
name=par.get_param("name")#如果是附件,这里就会取出附件的文件名
ifname:
#有附件
#下面的三行代码只是为了解码象=?gbk?Q?=CF=E0=C6=AC.rar?=这样的文件名
h=email.Header.Header(name)
dh=email.Header.decode_header(h)
fname=dh[0][0]
print'附件名:', fname
data=par.get_payload(decode=True)#解码出附件数据,然后存储到文件中
try:
f=open(fname,'wb')#注意一定要用wb来打开文件,因为附件一般都是二进制文件
except:
print'附件名有非法字符,自动换一个'
f=open('aaaa','wb')
f.write(data)
f.close()
else:
#不是附件,是文本内容
printpar.get_payload(decode=True)#解码出文本内容,直接输出来就可以了。
print'+'*60#用来区别各个部分的输出
简单吧,并没有多少代码就可以实现复杂的解析邮件的功能!