Python 用字节解码电子邮件文本。解码（编码）

我正在尝试用Python 3的

字节解码一些电子邮件文本。解码（编码）

，其中

编码

来自电子邮件标题的

字符集

字段

问题：一些电子邮件将“cp-850”列为其字符集，而

decode（）

接受“cp850”

如果我简单地去掉连字符，那么像iso-8859-6这样的另一个代码集就变成了iso88596，这是一种无法识别的编码

如何在不创建更多未知编码的情况下清理arg

编码

[编辑]后续问题：如何从
email.message.message
对象中获取字符集，其格式（别名）为
bytes.decode（）

[编辑]澄清了这个问题。以前在我指字符集时使用了一个不正确的术语“内容编码”。
您可以删除连字符，并检查是否有支持结果编码的编解码器：

import codecs

def sanitize_encoding(enc):
    try:
        codecs.lookup(enc)
        return enc
    except LookupError:
        try:
            enc = enc.replace('-','')
            codecs.lookup(enc)
            return enc
        except LookupError:
            # Not a thing, either way
            return None

sanitize_encoding('cp-850')
#'cp850'
sanitize_encoding('iso-8859-6')
#'iso-8859-6'

包含从IANA字符集标签到Python内部使用的别名的映射；但很可能你根本不需要自己做这件事

下面是对

这将获得零件字符集的IANA字符集标签；但是（默认情况下，
email.policy
）文本负载将被解码为Unicode，因此您根本不需要自己进行转换

电子邮件
库在Python3.5中进行了正式的大修（大修在Python3.3中已经非正式地引入），使用基于策略的系统，如果确实需要，允许您接管消息解析的某些部分；但是，对于格式良好的符合标准的消息（以及在野外看到的一些常见变化），您可以坐下来让Python标准库为您完成工作

然而，正如您所注意到的，代码实际上无法与
cp-850
身体部位一起工作，这正是您所陈述的原因。您可能希望这会起作用，但它不会：

# FIXME: broken code, doesn't help
import email.charset as email_charset
email_charset.add_alias('cp-850', 'cp850')

相反，您必须：

还请注意，令人困惑的是，别名有一个下划线，然后在一些内部黑色巫毒魔法中映射到一个破折号。
有一种方法可以为编码添加别名，但是
email
模块应该已经知道如何将IANA编码名称映射到Python的内部标签。除非你知道
电子邮件
库不能做你想做的事情，否则你真的不应该自己解析电子邮件。@tripleee嗨，你的意思是
电子邮件
模块在解析后会自动计算出每封邮件的编码内容吗？与中一样，在使用（例如）
email.message\u from\u binary\u file（）
解析电子邮件后，返回的
message
对象将自动计算出电子邮件的内容编码？是，它可以解析电子邮件，并向您呈现MIME部分的合理统一结构，如果它是文本部分，您可以从中提取已解码的文本。（“内容编码”在此上下文中是另一回事。您正在查看内容类型的
charset=
值。）啊，是的，我很抱歉。我指的是字符集：我想得到消息中任何文本（普通或html）的正确字符集。希望采用
bytes.decode（）
接受的格式（或别名）。您好，谢谢您的代码片段！我测试了它，发现当我尝试执行
part.get_content（）
时，它仍然被cp-850中编码的子消息绊倒：（回溯表明
contentmanager
找不到编码cp-850。get_text\u content return content.decode中第67行的“`` File”/usr/lib/python3.6/email/contentmanager.py”（charset，errors=errors）LookupError:unknown encoding:cp-850``它使用
get\u-payload（decode=True）
而不是
get\u-content（）
。我也更新了答案来显示这一点。可能
get\u-content（）
中有一个bug？结果是
get\u-text\u-content（）
调用
get\u-payload（decode=True）
然后尝试
。解码结果…我不确定此代码是否正确；负载应该已经被解码…等等，这也不正确；它解码为一个字节字符串。所以代码毕竟是正确的，cp-850编解码器有点问题，就像你说的。是的，因为
。decode（）
应使用“cp850”（无连字符）而不是“cp-850”。
# FIXME: broken code, doesn't help
import email.charset as email_charset
email_charset.add_alias('cp-850', 'cp850')

import encodings
encodings.aliases.aliases['cp_850'] = 'cp850'