如何处理电子邮件包中的Python 3.x UnicodeDecodeError？

我尝试从文件中读取电子邮件，如下所示：

import email
with open("xxx.eml") as f:
   msg = email.message_from_file(f)

我得到了这个错误：

Traceback (most recent call last):
  File "I:\fakt\real\maildecode.py", line 53, in <module>
    main()
  File "I:\fakt\real\maildecode.py", line 50, in main
    decode_file(infile, outfile)
  File "I:\fakt\real\maildecode.py", line 30, in decode_file
    msg = email.message_from_file(f)  #, policy=mypol
  File "C:\Python33\lib\email\__init__.py", line 56, in message_from_file
    return Parser(*args, **kws).parse(fp)
  File "C:\Python33\lib\email\parser.py", line 55, in parse
    data = fp.read(8192)
  File "C:\Python33\lib\encodings\cp1252.py", line 23, in decode
    return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x81 in position 1920: character maps to <undefined>

回溯（最近一次呼叫最后一次）：
文件“I:\fakt\real\maildecode.py”，第53行，在
main（）
文件“I:\fakt\real\maildecode.py”，第50行，主目录
解码_文件（填充、输出文件）
文件“I:\fakt\real\maildecode.py”，第30行，在decode\u文件中
msg=email.message_from_file（f）#，policy=mypol
文件“C:\Python33\lib\email\\ uuuu init\uuuu.py”，第56行，在来自\u文件的消息\u中
返回解析器（*args，**kws.parse（fp）
解析中第55行的文件“C:\Python33\lib\email\parser.py”
数据=fp.read（8192）
文件“C:\Python33\lib\encodings\cp1252.py”，第23行，解码
返回编解码器.charmap\u解码（输入、自身错误、解码表）[0]
UnicodeDecodeError:“charmap”编解码器无法解码位置1920处的字节0x81：字符映射到

该文件包含一个多部分电子邮件，其中部分以UTF-8编码。文件的内容或编码可能已损坏，但我必须处理它

即使文件有Unicode错误，我如何读取该文件？我找不到policy对象

compat32

，似乎没有办法处理异常并让Python在异常发生的地方继续

我能做什么

with open('email.txt','rb') as f:
     ascii_txt = f.read().encode('ascii','backslashreplace')

with open('email.txt','w') as f:
     f.write(ascii_text)

#now do your processing stuff

---

我怀疑这是最好的处理方法。。。但这至少是一种方式…

我无法测试您的消息，所以我不知道这是否真的有效，但您可以自己解码字符串：

with open("xxx.eml", encoding='utf-8', errors='replace') as f:
    text = f.read()
    msg = email.message_from_string(f)

---

如果消息实际上不是UTF-8格式的，那么会有很多替换字符。但是如果它有

\x81

，我猜是UTF-8。

要在Python 3中解析没有unicode错误的电子邮件消息，请以二进制模式读取该文件，并使用

email.message\u from\u binary\u file（f）

（或

email.message\u from\u bytes（f.read（））

）方法解析内容（请参阅）

下面是以与Python 2和3兼容的方式解析消息的代码：

import email
with open("xxx.eml", "rb") as f:
    try:
        msg = email.message_from_binary_file(f)  # Python 3
    except AttributeError:
        msg = email.message_from_file(f)  # Python 2

---

（使用Python2.7.13和Python3.6.0进行测试）

一种在Python3上工作的方法，可以找到编码并使用正确的编码重新加载

msg=email.message_from_file(open('file.eml',  errors='replace'))
codes=[x for x in msg.get_charsets() if x!=None]
if len(codes)>=1 : 
    msg=email.message_from_file(open('file.eml', encoding=codes[0]))

---

我试过使用

msg.get_charset（）

，但当另一种编码可用时，它有时会回答

None

，因此稍微涉及编码检测

Hmm-但我想用电子邮件包处理它，而不是销毁所有UTF-8或它所在的任何字符集。尝试编码（'UTF-8'，“忽略”）。。。大概而不是（'ascii'）。但您需要打开文件以使用“wb”进行写入