Python 从电子邮件收件箱中提取URL

好的，在我试图做的事情中出现了一些混乱，所以我再次这样做。我想写一个脚本来运行对我的收件箱，将给我从地址，主题，和电子邮件正文中的URL。我遇到的问题是，脚本的URL解析从电子邮件中提取所有URL，而不仅仅是从正文中提取URL。这里有一个例子

致：Tom@mail.com

发件人：Joe@test.com

主题：确认你的考试成绩

请转到以下URL确认您的考试分数。WWW.test.com/confirmation 再次感谢您的投入

签名

乔 （Joes签名的一部分有图像） 图像的URL为

我希望我的输出是

发件人：Joe@test.com

主题：确认你的考试成绩

网址：WWW.test.com/confirmation

我得到了这个

发件人：Joe@test.com

主题：确认你的考试成绩

网址：WWW.test.com/confirmation

这是我的剧本

import re
import mailbox
import urlparse

mbx=mailbox.mbox("Mail Box Path")

url_pattern = re.compile('''["']http://[^+]*?['"]''')

for k, m in mbx.iteritems():
    print "From %s\n" % m['from']
    print "Subject %s\n" % m['subject']
    print "URL %s\n" % url_pattern.findall(m.as_string())

---

签名是电子邮件的主体，所以你不能真正地将它们分开

如果你确定你关心的邮件中只有一个链接，你可以试着只查看你匹配的第一个URL——但是没有一种（可靠的）方法来确保你只与邮件正文进行交互，而不与签名进行交互

---

-这非常困难，尤其是当你无法控制你正在处理的电子邮件的格式时。

签名是电子邮件的主体，因此你无法真正将它们分开

如果你确定你关心的邮件中只有一个链接，你可以试着只查看你匹配的第一个URL——但是没有一种（可靠的）方法来确保你只与邮件正文进行交互，而不与签名进行交互

-这非常困难，尤其是当您无法控制正在处理的电子邮件的格式时。

是否

m.as\u string（）

返回HTML文本？如果是，您可以使用BeautifulSoup，lxml.html来提取链接。

m.as\u string（）

是否返回html文本？如果需要，您可以使用BeautifulSoup、lxml.html来提取链接。