用Python解析电子邮件_Python_Email_Parsing_Mime

用Python解析电子邮件

python email parsing

用Python解析电子邮件,python,email,parsing,mime,Python,Email,Parsing,Mime,我正在编写一个Python脚本来处理从中返回的电子邮件。正如本文所建议的，我正在使用以下Procmail配置： :0: |$HOME/process_mail.py My process_mail.py脚本正在通过stdin接收电子邮件，如下所示： From hostname Tue Jun 15 21:43:30 2010 Received: (qmail 8580 invoked from network); 15 Jun 2010 21:43:22 -0400 Received: fro

我正在编写一个Python脚本来处理从中返回的电子邮件。正如本文所建议的，我正在使用以下Procmail配置：

:0:
|$HOME/process_mail.py

My process_mail.py脚本正在通过stdin接收电子邮件，如下所示：

From hostname Tue Jun 15 21:43:30 2010
Received: (qmail 8580 invoked from network); 15 Jun 2010 21:43:22 -0400
Received: from mail-fx0-f44.google.com (209.85.161.44)
by ip-73-187-35-131.ip.secureserver.net with SMTP; 15 Jun 2010 21:43:22 -0400
Received: by fxm19 with SMTP id 19so170709fxm.3
for <username@domain.com>; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
MIME-Version: 1.0
Received: by 10.103.84.1 with SMTP id m1mr2774225mul.26.1276652853684; Tue, 15
Jun 2010 18:47:33 -0700 (PDT)
Received: by 10.123.143.4 with HTTP; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
Date: Tue, 15 Jun 2010 20:47:33 -0500
Message-ID: <AANLkTikFsIjJ3KYW1HJWcAqQlGXNiXE2YMzrj39I0tdB@mail.gmail.com>
Subject: TEST 12
From: Full Name <username@sender.com>
To: username@domain.com
Content-Type: text/plain; charset=ISO-8859-1

ONE
TWO
THREE

From hostname Tue Jun 15 21:43:30 2010
Received: (qmail 8580 invoked from network); 15 Jun 2010 21:43:22 -0400
Received: from mail-fx0-f44.google.com (209.85.161.44)
    by ip-73-187-35-131.ip.secureserver.net with SMTP; 15 Jun 2010 21:43:22 -0400
Received: by fxm19 with SMTP id 19so170709fxm.3
    for <username@domain.com>; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
MIME-Version: 1.0
Received: by 10.103.84.1 with SMTP id m1mr2774225mul.26.1276652853684; Tue, 15
    Jun 2010 18:47:33 -0700 (PDT)
Received: by 10.123.143.4 with HTTP; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
Date: Tue, 15 Jun 2010 20:47:33 -0500
Message-ID: <AANLkTikFsIjJ3KYW1HJWcAqQlGXNiXE2YMzrj39I0tdB@mail.gmail.com>
Subject: TEST 12
From: Full Name <username@sender.com>
To: username@domain.com
Content-Type: text/plain; charset=ISO-8859-1

ONE
TWO
THREE

我想获得诸如“发件人”、“收件人”和“主题”之类的消息字段。但是，消息对象不包含任何这些字段

我做错了什么？

我回答自己

我在构建消息的代码中发现了一个bug。它在某些行之间附加换行符，使解析器无法正常工作。

看起来您的换行符在附加行之前没有空格，根据以下内容，这是非法的：

每个标题字段在逻辑上是一行字符，包含
字段名、冒号和字段正文。为方便起见
但是，为了处理每行998/78个字符的限制，
标题字段的字段正文部分可以拆分为多个
线表示法；这就是所谓的“折叠”。一般规则是
本标准允许折叠空白的地方（非
仅限WSP字符），可以在任何WSP之前插入CRLF。对于
例如，标题字段：

    Subject: This is a test

可表示为：

    Subject: This
     is a test

它应该是这样的：

From hostname Tue Jun 15 21:43:30 2010
Received: (qmail 8580 invoked from network); 15 Jun 2010 21:43:22 -0400
Received: from mail-fx0-f44.google.com (209.85.161.44)
by ip-73-187-35-131.ip.secureserver.net with SMTP; 15 Jun 2010 21:43:22 -0400
Received: by fxm19 with SMTP id 19so170709fxm.3
for <username@domain.com>; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
MIME-Version: 1.0
Received: by 10.103.84.1 with SMTP id m1mr2774225mul.26.1276652853684; Tue, 15
Jun 2010 18:47:33 -0700 (PDT)
Received: by 10.123.143.4 with HTTP; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
Date: Tue, 15 Jun 2010 20:47:33 -0500
Message-ID: <AANLkTikFsIjJ3KYW1HJWcAqQlGXNiXE2YMzrj39I0tdB@mail.gmail.com>
Subject: TEST 12
From: Full Name <username@sender.com>
To: username@domain.com
Content-Type: text/plain; charset=ISO-8859-1

ONE
TWO
THREE

From hostname Tue Jun 15 21:43:30 2010
Received: (qmail 8580 invoked from network); 15 Jun 2010 21:43:22 -0400
Received: from mail-fx0-f44.google.com (209.85.161.44)
    by ip-73-187-35-131.ip.secureserver.net with SMTP; 15 Jun 2010 21:43:22 -0400
Received: by fxm19 with SMTP id 19so170709fxm.3
    for <username@domain.com>; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
MIME-Version: 1.0
Received: by 10.103.84.1 with SMTP id m1mr2774225mul.26.1276652853684; Tue, 15
    Jun 2010 18:47:33 -0700 (PDT)
Received: by 10.123.143.4 with HTTP; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
Date: Tue, 15 Jun 2010 20:47:33 -0500
Message-ID: <AANLkTikFsIjJ3KYW1HJWcAqQlGXNiXE2YMzrj39I0tdB@mail.gmail.com>
Subject: TEST 12
From: Full Name <username@sender.com>
To: username@domain.com
Content-Type: text/plain; charset=ISO-8859-1

ONE
TWO
THREE

来自主机名2010年6月15日星期二21:43:30
接收：（从网络调用qmail 8580）；2010年6月15日21:43:22-0400
收到：来自mail-fx0-f44.google.com（209.85.161.44）
通过ip-73-187-35-131.ip.secureserver.net和SMTP；2010年6月15日21:43:22-0400
接收：由SMTP id为19so170709fxm的fxm19接收。3
对于2010年6月15日星期二18:47:33-0700（PDT）
MIME版本：1.0
接收：由10.103.84.1接收，SMTP id m1mr2774225mul.26.1276652853684；星期二，15
2010年6月18:47:33-0700（PDT）
收到：通过10.123.143.4与HTTP；2010年6月15日星期二18:47:33-0700（PDT）
日期：2010年6月15日星期二20:47:33-0500
消息ID:
主题：测试12
发件人：全名
致：username@domain.com
内容类型：文本/纯文本；字符集=ISO-8859-1
一个
两个
三

您必须确保行不会意外断开（如上所述，尽管很难说这是否是复制粘贴问题）--使用完整的消息，例如：

Received: (qmail 8580 invoked from network); 15 Jun 2010 21:43:22 -0400
Received: from mail-fx0-f44.google.com (209.85.161.44) by ip-73-187-35-131.ip.secureserver.net with SMTP; 15 Jun 2010 21:43:22 -0400
Received: by fxm19 with SMTP id 19so170709fxm.3 for <username@domain.com>; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
MIME-Version: 1.0
Received: by 10.103.84.1 with SMTP id m1mr2774225mul.26.1276652853684; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
Received: by 10.123.143.4 with HTTP; Tue, 15 Jun 2010 18:47:33 -0700 (PDT)
Date: Tue, 15 Jun 2010 20:47:33 -0500
Message-ID: <AANLkTikFsIjJ3KYW1HJWcAqQlGXNiXE2YMzrj39I0tdB@mail.gmail.com>
Subject: TEST 12
From: Full Name <username@sender.com>
To: username@domain.com
Content-Type: text/plain; charset=ISO-8859-1

ONE
TWO
THREE

根据需要打印

TEST 12

。

如何在此处获取电子邮件正文？如果您确实希望整个RFC2822电子邮件正文具有原始MIME结构和所有内容，用Python解析消息基本上是多余的；身体是一切之后的第一条空线。通常，对于现代消息，您需要解析MIME结构并提取一个或多个身体部位。因此，为了澄清这一点，如果原始文件说

Subject:This\r\n是一个测试

，那么

email.message\u from_string（）

应该说Subject是

这是一个测试

（没有空格）。我发现，对于一封带有附件名称包装的特定电子邮件（

内容处置

），有趣的

\r\n

没有被剥离。