189
python模塊之email: 電子郵件編碼解碼 (一、解碼郵件)
python自帶的email模塊是個很有意思的東西，它可以對郵件編碼解碼，用來處理郵件非常好用。
處理郵件是一個很細致的工作，尤其是解碼郵件，因為它的格式變化太多了，下麵先看看一個郵件的源文件：
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 <xxxxxxxx@163.com>
To: zhaowei <zhaoweikid@163.com>
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
<DIV>=CE=D2=D2=D1=BF=AA=CA=BC=D2=D4=CE=AA=CA=C7=D2=BB=B8=F6=D0=C7=C6=DA=BB=
=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=
</DIV>
<DIV>=CE=D2=C3=C7=CF=D6=D4=DA=D3=A6=B8=C3=CA=C7=B0=EB=B5=E3=B2=C5=C4=DC=C8=
=C8</DIV>
<DIV>=D5=E6=C2=E9=B7=B3</DIV>
------=_Part_21696_28113972.1176350868319--
上麵的就是以封郵件的源文件，從第一行到第一個空行之間的為信件頭，後麵的就是信件體了。把上麵的信息複製下來存到一個叫xxx.eml的文件裏，用鼠標雙擊就可以看到內容，當然看到的是解碼後的，是outlook幫你解碼了。
看看email模塊怎麼處理這個郵件，假設信件已經存為xxx.eml。
#-*- encoding: gb2312 -*-import emailfp = open("xxx.eml", "r")msg = email.message_from_file(fp) # 直接文件創建message對象，這個時候也會做初步的解碼subject = msg.get("subject") # 取信件頭裏的subject, 也就是主題# 下麵的三行代碼隻是為了解碼象=?gbk?Q?=CF=E0=C6=AC?=這樣的subjecth = email.Header.Header(subject)dh = email.Header.decode_header(h)subject = dh[0][0]print "subject:",
subjectprint "from: ",
email.utils.parseaddr(msg.get("from"))[1] # 取fromprint "to: ",
email.utils.parseaddr(msg.get("to"))[1] # 取tofp.close()
這段代碼可以把一封郵件中的主題、發件人、收件人解析出來。email.utils.parseaddr是用來專門解析郵件地址的，原因是郵件地址很多時候在原文裏是這樣寫的：user1 <xxxxxxxx@163.com>, email.utils.parseaddr就可以把它解析為一個列表，第一項是user1, 第二項是xxxxxxxx@163.com, 這裏隻顯示了後麵以部分。
前麵那段代碼隻是解析了信件頭，接著解析信件體吧。信體裏可能有純文本的plain和html兩部分,也可能有附件。這裏需要mime的知識，詳細介紹可以從網上搜搜。我這裏就不說了，下麵看看怎麼解析的：
#-*- encoding: gb2312 -*-import emailfp = open("xxx.eml", "r")msg = email.message_from_file(fp)# 循環信件中的每一個mime的數據塊for par in msg.walk(): if not par.is_multipart(): # 這裏要判斷是否是multipart，是的話，裏麵的數據是無用的，至於為什麼可以了解mime相關知識。 name = par.get_param("name") #如果是附件，這裏就會取出附件的文件名 if name: #有附件 # 下麵的三行代碼隻是為了解碼象=?gbk?Q?=CF=E0=C6=AC.rar?=這樣的文件名 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) # 解碼出附件數據，然後存儲到文件中 try: f = open(fname, 'wb') #注意一定要用wb來打開文件，因為附件一般都是二進製文件 except: print '附件名有非法字符，自動換一個' f = open('aaaa', 'wb') f.write(data) f.close() else: #不是附件，是文本內容 print par.get_payload(decode=True) # 解碼出文本內容，直接輸出來就可以了。 print '+'*60 # 用來區別各個部分的輸出
簡單吧，並沒有多少代碼就可以實現複雜的解析郵件的功能！
最後更新：2017-04-03 12:54:03