在python中提取电子邮件正文答案

【问题标题】：Extracting email body in python在python中提取电子邮件正文
【发布时间】：2012-10-29 21:07:29
【问题描述】：

当向计算机发送电子邮件时，消息的 DATA 部分始终以字符序列<CRLF>.<CRLF> 结尾（请参阅RFC 2821 和related post）。在 python 中解码电子邮件消息时，有一个方便的函数可以通过Message.get_payload()（包email）获取消息的有效负载。但是这个“有效负载”仍然包含<CRLF>.<CRLF> 序列，在使用例如查看电子邮件时会被抑制。邮箱。

我的问题：python 中是否有一个方便的函数来获取 REAL 消息，其中附加字符被删除？还是我需要自己做一些hack？

【问题讨论】：

让我引用您在邮件中链接到的帖子的答案：“正如您在查找 SMTP 协议定义时所看到的那样，邮件传输的 DATA 部分以.."
@Joseph：我知道这个定义。但这不是我的问题。

标签： python email smtp

【解决方案1】：

这样做怎么样（假设它不是多部分消息）：

Message.get_payload().rsplit('\r\n', 2)[0]

举个例子：

>>> s = 'Hi,\r\n\r\nThis is my email.\r\n.\r\n'
>>> print s.rsplit('\r\n', 2)[0]
Hi,

This is my email.
>>>

如果您担心的只是<CRLF>，那么没有比这更干净的了。您可以将其包装在一个函数中以使其具有自文档化功能，但对我而言，这肯定比包含自定义库要好。

【讨论】：

这让我想知道为什么它首先不包含在 python 库中 - 与 python 库中通常如何完成事情相矛盾（清晰、精确、有用且简短）。但是邮件包对我来说似乎有点尴尬。
好吧，有效负载不一定是纯文本。例如，如果Message.get_content_type() 返回'text/plain'，那么是的，您可以只获取数据。但是，当它是多部分消息时，它可能是您正在处理的附件（例如，电子表格文档）。在这种情况下，您需要解码该消息部分，并将确切的有效负载存储到磁盘。 get_payload 函数只返回消息的一部分的数据，在它定义的编码中。根据标准，您的纯文本只定义了 <CRLF>.</CRLF>。

【解决方案2】：

邮件末尾的<CRLF>.<CRLF> 序列是用于发送邮件的SMTP 进程的工件。如果您通过其他方法（POP、IMAP、读取本地邮箱等）接收消息，则不会出现此序列。

因为这只会在您的代码作为 SMTP 服务器运行时出现，所以email 包不知道您是如何获得消息的，并将字符视为消息的一部分，而不是消息终止符。

您的 SMTP 服务器代码应该在将邮件传递给 email.Mesasage 类之前从邮件中去除最后三个字符 (.<CRLF>)。

这将使 SMTP 服务器代码如下所示：

message = ""
while True:
    line = get_line()
    if line == ".\r\n":
        break
    message += line

email = Message.email(message)

这会在将消息转换为 Message.email 之前去除终止字符。

【讨论】：