如何使用 Python 在不接触附件的情况下有效地解析电子邮件答案

【问题标题】：How to efficiently parse emails without touching attachments using Python如何使用 Python 在不接触附件的情况下有效地解析电子邮件
【发布时间】：2011-01-19 01:29:54
【问题描述】：

我正在使用 Python imaplib (Python 2.6) 从 GMail 获取电子邮件。我使用http://docs.python.org/library/imaplib.html#imaplib.IMAP4.fetch 方法获取电子邮件的所有内容我都会收到整封电子邮件。我只需要文本部分并解析附件名称，而不需要下载它们。如何做到这一点？我看到 GMail 返回的电子邮件与浏览器发送到 HTTP 服务器的格式相同。

【问题讨论】：

标签： python parsing gmail imap imaplib

【解决方案1】：

看看这个食谱：http://code.activestate.com/recipes/498189/

我稍微调整了它以打印发件人、主题、日期、附件名称和邮件正文（现在只是纯文本 - 添加 html 邮件很简单）。

在这种情况下，我使用了 Gmail pop3 服务器，但它也应该适用于 IMAP。

import poplib, email, string

mailserver = poplib.POP3_SSL('pop.gmail.com')
mailserver.user('recent:YOURUSERNAME') #use 'recent mode'
mailserver.pass_('YOURPASSWORD') #consider not storing in plaintext!

numMessages = len(mailserver.list()[1])
for i in reversed(range(numMessages)):
    message = ""
    msg = mailserver.retr(i+1)
    str = string.join(msg[1], "\n")
    mail = email.message_from_string(str)

    message += "From: " + mail["From"] + "\n"
    message += "Subject: " + mail["Subject"] + "\n"
    message += "Date: " + mail["Date"] + "\n"

    for part in mail.walk():
        if part.is_multipart():
            continue
        if part.get_content_type() == 'text/plain':
            body = "\n" + part.get_payload() + "\n"
        dtypes = part.get_params(None, 'Content-Disposition')
        if not dtypes:
            if part.get_content_type() == 'text/plain':
                continue
            ctypes = part.get_params()
            if not ctypes:
                continue
            for key,val in ctypes:
                if key.lower() == 'name':
                    message += "Attachment:" + val + "\n"
                    break
            else:
                continue
        else:
            attachment,filename = None,None
            for key,val in dtypes:
                key = key.lower()
                if key == 'filename':
                    filename = val
                if key == 'attachment':
                    attachment = 1
            if not attachment:
                continue
            message += "Attachment:" + filename + "\n"
        if body:
            message += body + "\n"
    print message
    print

这应该足以让您朝着正确的方向前进。

【讨论】：

poplib.retr() 下载整个邮件。

【解决方案2】：

您可以通过执行以下操作仅获取电子邮件的纯文本：

connection.fetch(id, '(BODY[1])')

对于我看到的 gmail 邮件，第 1 部分包含明文，包括多部分垃圾邮件。这可能不是那么健壮。

如果没有附件，我不知道如何获取附件的名称。我还没有尝试使用部分。

【讨论】：

【解决方案3】：

恐怕你运气不好。根据this post，电子邮件只有两部分 - 标题和正文。正文是附件所在的位置（如果有），您必须在仅提取消息文本之前下载整个正文。找到的有关 FETCH 命令的信息here 也支持这一观点。虽然它说您可以提取正文的部分内容，但这些部分是根据八位字节指定的，这并没有真正的帮助。

【讨论】：