Python：如何解析原始电子邮件中的正文，因为原始电子邮件没有；正文“；标签什么的

这似乎很容易得到答案

From
To
Subject

等通过

import email
b = email.message_from_string(a)
bbb = b['from']
ccc = b['to']

假设

“a”

是原始电子邮件字符串，看起来像这样

a = """From root@a1.local.tld Thu Jul 25 19:28:59 2013
Received: from a1.local.tld (localhost [127.0.0.1])
    by a1.local.tld (8.14.4/8.14.4) with ESMTP id r6Q2SxeQ003866
    for <ooo@a1.local.tld>; Thu, 25 Jul 2013 19:28:59 -0700
Received: (from root@localhost)
    by a1.local.tld (8.14.4/8.14.4/Submit) id r6Q2Sxbh003865;
    Thu, 25 Jul 2013 19:28:59 -0700
From: root@a1.local.tld
Subject: oooooooooooooooo
To: ooo@a1.local.tld
Cc: 
X-Originating-IP: 192.168.15.127
X-Mailer: Webmin 1.420
Message-Id: <1374805739.3861@a1>
Date: Thu, 25 Jul 2013 19:28:59 -0700 (PDT)
MIME-Version: 1.0
Content-Type: multipart/mixed; boundary="bound1374805739"

This is a multi-part message in MIME format.

--bound1374805739
Content-Type: text/plain
Content-Transfer-Encoding: 7bit

ooooooooooooooooooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooooooooooooooooooo

--bound1374805739--"""

这是正确的方法吗

或者有更简单的方法，比如

import email
b = email.message_from_string(a)
bbb = b['body']

？使用

---

python中没有

b['body']

。你必须使用get_有效载荷

if isinstance(mailEntity.get_payload(), list):
    for eachPayload in mailEntity.get_payload():
        ...do things you want...
        ...real mail body is in eachPayload.get_payload()...
else:
    ...means there is only text/plain part....
    ...use mailEntity.get_payload() to get the body...

---

祝你好运。

要非常积极地处理实际的电子邮件正文（但仍有可能没有解析正确的部分），你必须跳过附件，并将重点放在普通或html部分（取决于你的需要）以进行进一步处理

由于前面提到的附件可以而且通常是文本/纯文本或文本/html部分，此非防弹示例通过检查内容处置标题跳过这些附件：

b = email.message_from_string(a)
body = ""

if b.is_multipart():
    for part in b.walk():
        ctype = part.get_content_type()
        cdispo = str(part.get('Content-Disposition'))

        # skip any text/plain (txt) attachments
        if ctype == 'text/plain' and 'attachment' not in cdispo:
            body = part.get_payload(decode=True)  # decode
            break
# not multipart - i.e. plain text, no attachments, keeping fingers crossed
else:
    body = b.get_payload(decode=True)

顺便说一句，

walk（）

对mime部件进行了奇妙的迭代，并且

get\u payload（decode=True）

为您完成了解码base64等方面的脏活

一些背景——正如我所暗示的，MIME电子邮件的奇妙世界存在很多“错误地”找到邮件正文的陷阱。 在最简单的情况下，它位于唯一的“text/plain”部分，get_payload（）非常诱人，但我们并不生活在一个简单的世界中——它经常被多部分/可选、相关、混合等内容所包围。维基百科对它进行了严格的描述，但是考虑到以下所有这些情况都是有效的-也是常见的——一个人必须考虑安全网：

非常常见-与普通编辑器（Gmail、Outlook）发送带附件的格式化文本时得到的效果非常相似：

multipart/mixed
 |
 +- multipart/related
 |   |
 |   +- multipart/alternative
 |   |   |
 |   |   +- text/plain
 |   |   +- text/html
 |   |      
 |   +- image/png
 |
 +-- application/msexcel

相对简单-只是替代表示法：

multipart/alternative
 |
 +- text/plain
 +- text/html

无论好坏，此结构也有效：

multipart/alternative
 |
 +- text/plain
 +- multipart/related
      |
      +- text/html
      +- image/jpeg

希望这有点帮助

另外，我的观点是不要轻率地对待电子邮件——它会在你最不经意的时候咬人：）

有很好的方法可以用适当的文档解析电子邮件内容

import mailparser

mail = mailparser.parse_from_file(f)
mail = mailparser.parse_from_file_obj(fp)
mail = mailparser.parse_from_string(raw_mail)
mail = mailparser.parse_from_bytes(byte_mail)

如何使用：

mail.attachments: list of all attachments
mail.body
mail.to

---

如果email是pandas数据框和emails.message，则为email文本列

## Helper functions
def get_text_from_email(msg):
    '''To get the content from email objects'''
    parts = []
    for part in msg.walk():
        if part.get_content_type() == 'text/plain':
            parts.append( part.get_payload() )
    return ''.join(parts)

def split_email_addresses(line):
    '''To separate multiple email addresses'''
    if line:
        addrs = line.split(',')
        addrs = frozenset(map(lambda x: x.strip(), addrs))
    else:
        addrs = None
    return addrs 

import email
# Parse the emails into a list email objects
messages = list(map(email.message_from_string, emails['message']))
emails.drop('message', axis=1, inplace=True)
# Get fields from parsed email objects
keys = messages[0].keys()
for key in keys:
    emails[key] = [doc[key] for doc in messages]
# Parse content from emails
emails['content'] = list(map(get_text_from_email, messages))
# Split multiple email addresses
emails['From'] = emails['From'].map(split_email_addresses)
emails['To'] = emails['To'].map(split_email_addresses)

# Extract the root of 'file' as 'user'
emails['user'] = emails['file'].map(lambda x:x.split('/')[0])
del messages

emails.head()

---

以下是每次对我有效的代码（适用于Outlook电子邮件）：

---

Python 3.6+提供了内置的方便方法来查找和解码纯文本正文，如

@Todor Minakov

的答案所示。您可以使用和方法：

注意：如果没有（明显的）纯文本正文部分，这将给出

None

如果您正在读取例如mbox文件，则可以为邮箱构造函数提供一个

EmailMessage

factory：

mbox = mailbox.mbox(mboxfile, factory=lambda f: email.message_from_binary_file(f, policy=email.policy.default), create=False)
for msg in mbox:
    ...

---

注意：您必须将

email.policy.default

作为策略传递，因为它不是默认的…

感谢您提供了这个完整的示例，并与公认的答案相反，详细说明了一个警告。我认为这是一种更好/更安全的方法。啊，非常好

.get\u payload（decode=True）

而不仅仅是

。get\u payload（）

让生活变得更加轻松，谢谢！我只从.get_有效载荷（decode=True）中查找身体。有什么办法吗？库很好，但我必须创建自己的类，该类继承自

MailParser

并重写body方法，因为它将电子邮件正文的各个部分与“\n--mail\u boundary--\n”连接起来，这对我来说并不理想。hi@avram，你能分享一下你编写的类吗？我设法在上拆分了结果“\n--mail\u boundary--\n”。@AmeyPNaik这里我做了一个快速的github要点：@AmeyPNaik在他们的文章中说：邮件解析器可以解析Outlook电子邮件格式（.msg）。若要使用此功能，您需要安装libemail outlook message perl Package。可能需要说明这是用于Windows上的outlook，而不是用于真正的电子邮件。为什么

email.policy.default

不是默认值？似乎应该是。@PartialOrder向后兼容。这将是默认值，您现在应该已经使用了。这是非常重要的信息积极且令人鼓舞，但让我困惑了一段时间。

lambda

并没有立即显示“email.policy”的导入不足，我猜如果您明确访问消息，例如通过

mbox.get_消息（0），则不会咨询工厂

大家还可以注意到，Python 3.6+具有方便的get\u body（）功能，更明确的

make\u EmailMessage

factory函数方法通过即将推出的默认解析策略实现的函数，如@Doctor J更新的答案中所述，并注意到Todor Minakov的答案比FalseTru的更健壮，其他答案在更健壮和利用更新的get_body（）方面做得更好功能性。@nealmcb，当我回答没有

get_body

）时，似乎是从Python 3.6开始出现的。顺便说一句，这个问题被标记为

Python-2.7

，你不能使用

get_body

这一点很好！当然，对于Python 2，我们可以对现代解决方案产生更多的兴趣。但也要注意正如Todor所描述的，很多电子邮件都有复杂的结构，所以更一般的方法是个好主意，而你的“…”并不是很具体。

## Helper functions
def get_text_from_email(msg):
    '''To get the content from email objects'''
    parts = []
    for part in msg.walk():
        if part.get_content_type() == 'text/plain':
            parts.append( part.get_payload() )
    return ''.join(parts)

def split_email_addresses(line):
    '''To separate multiple email addresses'''
    if line:
        addrs = line.split(',')
        addrs = frozenset(map(lambda x: x.strip(), addrs))
    else:
        addrs = None
    return addrs 

import email
# Parse the emails into a list email objects
messages = list(map(email.message_from_string, emails['message']))
emails.drop('message', axis=1, inplace=True)
# Get fields from parsed email objects
keys = messages[0].keys()
for key in keys:
    emails[key] = [doc[key] for doc in messages]
# Parse content from emails
emails['content'] = list(map(get_text_from_email, messages))
# Split multiple email addresses
emails['From'] = emails['From'].map(split_email_addresses)
emails['To'] = emails['To'].map(split_email_addresses)

# Extract the root of 'file' as 'user'
emails['user'] = emails['file'].map(lambda x:x.split('/')[0])
del messages

emails.head()

#to read Subjects and Body of email in a folder (or subfolder)

import win32com.client  
#import package

outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")  
#create object

#get to the desired folder (MyEmail@xyz.com is my root folder)

root_folder = 
outlook.Folders['MyEmail@xyz.com'].Folders['Inbox'].Folders['SubFolderName']

#('Inbox' and 'SubFolderName' are the subfolders)

messages = root_folder.Items

for message in messages:
if message.Unread == True:    # gets only 'Unread' emails
    subject_content = message.subject
# to store subject lines of mails

    body_content = message.body
# to store Body of mails

    print(subject_content)
    print(body_content)

    message.Unread = True         # mark the mail as 'Read'
    message = messages.GetNext()  #iterate over mails

msg = email.message_from_string(s, policy=email.policy.default)
body = msg.get_body(('plain',))
if body:
    body = body.get_content()
print(body)

mbox = mailbox.mbox(mboxfile, factory=lambda f: email.message_from_binary_file(f, policy=email.policy.default), create=False)
for msg in mbox:
    ...