如何访问 Gmail 收件箱中的链接？

Question

我已经编写了登录邮件的代码。如何从 Gmail 收件箱中的给定链接 (https://nationalskillsregistry.com) 获得回复？

import imaplib
import getpass
import email
import datetime

detach_dir = '.' # directory where to save attachments (default: current)
user = "something@gmail.com"
pwd = "password"
subject_filter='(SUBJECT "Daily News ")'

# connecting to the gmail imap server
m = imaplib.IMAP4_SSL("imap.gmail.com")
m.login(user,pwd)
print "logged in successfully..."
m.select()
typ, data = m.search(None, subject_filter)
for num in data[0].split():
    rv, data = m.fetch(num, '(RFC822)')
    if rv != 'OK':
      print "ERROR getting message", num
      #return

msg = email.message_from_string(data[0][1])
print msg.get_payload(decode=True)
m.close()
m.logout()

这是我收到的邮件：

主题：每日新闻 - 宣布

身体：

请注意，如果您进行在线支付，则无需访问 任何 POS 中心。您的帐户将立即更新。如果你的 帐户没有立即更新，然后等待 24 小时并检查是否 有效期已延长。请不要在线制作多个 付款。请访问https://nationalskillsregistry.com。

Answer 1

您需要执行两个步骤 - 从电子邮件中提取 URL，然后在浏览器中打开它。

第 1 步将是困难的部分。我建议使用正则表达式来尝试解析电子邮件以提取 URL。网上有很多资源可以帮助你解决这个问题。我最喜欢的测试正则表达式之一是RegExr。
代码应该很简单。

import re
 ...
expr = r'((http)s?:\/\/((\.)?\w+)+(\/\S*)*)'
#Parse with regex: Grabs possible URL (first only). Case insensitive.
matches = re.match( expr, msg, re.I)
url = matches[0]

Step 2 is easy enough --

import webbrowser

...

webbrowser.open(url)

或者，如果您想下载原始 HTML：

import urllib2

...

response = urllib2.urlopen(url)
html = response.read()

如果你need to download a file，你可以使用 urllib 来做提升。

import urllib

...

urllib.urlretrieve ("http://www.example.com/songs/mp3.mp3", "mp3.mp3")

---

至于那个正则表达式，让我们把它分解一下：

(  (http)s?:\/\/((\.)?\w+)+(\/\S*)*  )  

首先，请注意所有内容都在括号中。括号表示它是一个捕获组，所以我们稍后会找到它。

(http)s?  

这将查找字符串“http”，它后面可能有也可能没有“s”。

:\/\/

这将寻找'://' - '\' 在那里，因为'/' 需要被转义。

(\.)?\w+)+    #Grab everything between :// and /

这一点很有趣。它会查找句点（可选），后跟“单词字符”——字母或数字，而不是标点符号或空格。
它将重复此操作 1 次或多次。这样做时，它会抓取像
这样的字符串 amazon.com
amazon.co.uk

(\/\S*)*

这将抓取任意数量的以“/”开头的字符串，并且后面可能有单词。这就像
/
/主页/
/foo.html?q=bar

Answer 2

这很容易做到。你甚至不需要使用正则表达式。您应该阅读 bs4 这是一个网络爬虫，因此您可以获取列表中的所有链接，然后通过从列表中选择一个项目来找到您想要的正确链接链接 [5] 将返回链接编号 6，因为 python 从 0 计数到任何数字。当您尝试访问第 5 项但列表中只有 4 项时，这将引发 indexerror。