像 Python 中的文本文件一样打开 Outlook .msg？答案

【问题标题】：Open Outlook .msg like a text file in Python?像 Python 中的文本文件一样打开 Outlook .msg？
【发布时间】：2018-12-13 00:05:55
【问题描述】：

我想将 Outlook .msg 文件视为字符串并检查其中是否存在子字符串。

所以我认为导入类似 SO 线程中建议的 win32 库会有点过头了。

相反，我尝试以与 .txt 文件相同的方式打开该文件：

file_path= 'O:\\MAP\\177926 Delete comiitted position.msg'

mail = open(file_path)
mail_contents = mail.read()
print(mail_contents)

但是，我明白了

UnicodeDecodeError: 'charmap' codec can't decode byte 0x90 in position 870: character maps to <undefined>

我可以指定任何解码以使其正常工作吗？

我也试过

mail = open(file_path, encoding='utf-8')

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 0: invalid continuation byte

【问题讨论】：

【解决方案1】：

除非你愿意做很多工作，否则你真的应该为此使用库。

首先，.msg 文件是二进制文件，因此不应将其内容作为字符串读入。字符串通常以null byte 结尾，而二进制文件中可能有很多这样的内容，这可能意味着您没有查看所有数据（可能取决于实现）。

此外，.msg 文件可以在文件的不同部分/块中包含纯 ascii 和/或 unicode，因此很难将其视为一个字符串来搜索子字符串。

作为替代方案，您可以将邮件另存为.eml（即电子邮件的纯文本版本），但仍需要克服一些问题才能搜索特定文本：

e-mail 中的所有数据都是较低的 ascii (1-127)，这意味着必须将特殊字符编码为较低的 ascii 字节。标题（例如“主题”）、正文、附件有几种不同的编码。
正文：可以是纯文本或 hml（或两者）。行和单词可以拆分，因为存在最大行长度。可以使用不同的编码，即使是 base64，在其中您永远找不到您要查找的文本。
要正确解码所有内容，还需要做很多工作，但这应该让您了解为了找到您要查找的文本而必须做的工作。

【讨论】：

【解决方案2】：

当您遇到此类问题时，最好尝试 Python Latin-1 编码。

mail = open(file_path, encoding='Latin-1')

我们经常将 Windows cp1252 编码与实际 Python 的 Latin-1 混淆。实际上，后者将所有可能的字节值映射到前 256 个 Unicode 代码点。

更多信息请参见this。

【讨论】：