Python 解析邮递员档案

我目前正在尝试解析一个Mailman txt存档文件。这些文件将所有通过列表发送的电子邮件连接在一个文件中。结构如下：

From SOMETHING
From: SOMETHING
Date: SOMETHING
Subject: SOMETHING
In-Reply-To: SOMETHING
Message-ID: <SOMETHING>

CONTENT



From SOMETHING
From: SOMETHING
Date: SOMETHING
Subject: SOMETHING
In-Reply-To: SOMETHING
Message-ID: SOMETHING

CONTENT


[...]

---

但是

body

不包含消息的正文，只包含一个换行符。我如何使最后一个匹配组与所有匹配项匹配，但只要上述部分匹配，身体匹配组就不应该匹配？

您有两个选项：

有一个标准的库模块，用于打开、读取和写入邮递员档案。该模块是您想要的模块，特别是看起来它应该是您想要的模块

在邮递员存档中，每封邮件都以字符串

\n开头。这永远不会出现在消息正文中，因为
From
字符串的前缀将是大于符号（
）。请注意，邮件标题（带冒号的行）由RFC-2822定义，不属于邮箱格式的一部分。我相信RFC没有为消息头指定任何特定的顺序

---

消息之间是否有明显的分隔符？例如

\n\n

或类似的？我对此不确定。我认为

\n\n

总是在消息之间，但问题是它也可能在正文中。所以理论上，你可以有一封包含6行标题的电子邮件，对吗？我不知道是否有可靠的方法来解析这个…@谢普：哦，你说得对。。。好的，但我想说这是不太可能的（尽管有很多新行可能）。因此，它应该解析尽可能多的消息，并且整个归档应该是“匹配的”。因此，当我连接匹配的部分时，我应该能够恢复原始存档。一种方法是匹配我上面给出的正则表达式，搜索，获取消息id，在消息id行上方拆分6行。然后，您将拥有单个消息，并且可以非常轻松地解析其余的消息。

def parseContent(content):
    import re
    pattern = r"From (.*)\n"+\
               "From: (.*)\n"+\
               "Date: (.*)\n"+\
               "Subject: (.*)\n"+\
               "In-Reply-To: (.*)\n"+\
               "Message-ID: (.*)\n"+\
               "(.*)"
    matches = re.findall(pattern, content)

    for from1, from2, date, subject, inreply, messageid, body in matches:
        print from1
        print body
        print "#"*20
    return matches