无需下载即可获取 Gmail 附件文件名

Posted 2023-03-15

【中文标题】无需下载即可获取 Gmail 附件文件名

【英文标题】：Get the Gmail attachment filename without downloading it

【发布时间】：2012-11-19 18:18:55

【问题描述】：

我正在尝试从可能包含一些大附件（大约 30MB）的 Gmail 帐户获取所有邮件。我只需要名称，而不是整个文件。我找到了一段代码来获取消息和附件的名称，但它会下载文件然后读取其名称：

import imaplib, email

#log in and select the inbox
mail = imaplib.IMAP4_SSL('imap.gmail.com')
mail.login('username', 'password')
mail.select('inbox')

#get uids of all messages
result, data = mail.uid('search', None, 'ALL') 
uids = data[0].split()

#read the lastest message
result, data = mail.uid('fetch', uids[-1], '(RFC822)')
m = email.message_from_string(data[0][1])

if m.get_content_maintype() == 'multipart': #multipart messages only
    for part in m.walk():
        #find the attachment part
        if part.get_content_maintype() == 'multipart': continue
        if part.get('Content-Disposition') is None: continue

        #save the attachment in the program directory
        filename = part.get_filename()
        fp = open(filename, 'wb')
        fp.write(part.get_payload(decode=True))
        fp.close()
        print '%s saved!' % filename

我必须每分钟执行一次，所以我无法下载数百 MB 的数据。我是网络脚本的新手，所以有人可以帮助我吗？我实际上不需要使用 imaplib，任何 python 库都可以。

最好的问候

【问题讨论】：

你只能在 gmail 中发送 20MB 你知道吗？

我的意思是所有邮件中的所有附件。

【参考方案1】：

如果您对文件名有所了解，可以使用X-GM-RAW gmail extensions for imap SEARCH command。这些扩展允许您使用任何gmail advanced search 查询来过滤消息。这样，您可以将下载限制为匹配的消息，或排除一些您不想要的消息。

mail.uid('search', None, 'X-GM-RAW', 
       'has:attachment filename:pdf in:inbox -label:parsed'))

以上搜索收件箱中带有未标记为“已解析”的 PDF 附件的邮件。

一些专业提示：

标记您已经解析的消息，因此您不需要再次获取它们（上例中的 -label:parsed 过滤器） 始终使用 uid 版本而不是标准的顺序 id（您已经这样做了） 不幸的是，MIME 很混乱：有很多客户端会做奇怪（或完全错误）的事情。您可以尝试仅下载和解析标头，但这值得吗？

[编辑]

如果您在解析后标记消息，则可以跳过已解析的消息。这应该足以监控您的班级邮箱。

也许您生活在互联网带宽比程序员时间更昂贵的世界角落；在这种情况下，您可以仅获取标题并查找“Content-disposition” == “attachment; filename=somefilename.ext”。

【讨论】：

这很酷，但问题是我对附件一无所知。我正在编写一个脚本来“扫描”我班级帐户的所有 gmail 收件箱，并告诉我它是否是新内容，包括有关附件的信息（名称和大小）。由于该帐户已被 30 人使用，因此无法搜索未读邮件。

至少可以跳过不带附件的消息和已经解析过的消息；请注意，您也可以按大小过滤。

当然可以，但是跳过我已经解析的消息是没有问题的。问题是在一分钟内解析接下来的 20 条带有 20MB 附件的消息。

您好 Paulo，我使用了高级搜索。但是我的问题是我想搜索xls文件，所以我使用了filename:xls'，但我最终得到了xls文件和xlsx文件。你知道如何只搜索 xls 文件吗？

@Cacheing：也许这值得作为一个新问题提出 - 评论系统正在搞砸我的答案。

【参考方案2】：

RFC822 消息数据项的 FETCH 在功能上等同于 BODY[]。 IMAP4 支持section 6.4.5 of RFC 3501 中列出的其他消息数据项。

尝试请求一组不同的消息数据项以获取您需要的信息。例如，您可以尝试RFC822.HEADER 或BODY.PEEK[MIME]。

【参考方案3】：

您可以指定BODYSTRUCTURE，而不是获取完整内容的RFC822。

imaplib 生成的数据结构相当混乱，但您应该能够找到消息各部分的文件名、内容类型和大小，而无需下载整个内容。

【讨论】：

这就是我一直在寻找的......结果确实令人困惑，但它确实有效。非常感谢！

这正是我所寻找的。但是你有关于如何解析那个疯狂的结果字符串的任何线索吗？ @mopsiok，你是怎么处理的？

我用它做了一些测试，但结果不是很好。实际上，我发现获取附件列表对于我的应用程序来说是不够的。最终，我通过它获取所有邮件内容、文本和所有附件。我没有解析代码，因为我说它是无效的。对不起...

对于新读者，请参阅***.com/questions/13663672/…的EDIT@

【参考方案4】：

老问题，但只是想分享我今天想出的解决方案。搜索所有带有附件的电子邮件并输出 uid、发件人、主题和格式化的附件列表。编辑相关代码以显示如何格式化 BODYSTRUCTURE：

    data   = mailobj.uid('fetch', mail_uid, '(BODYSTRUCTURE)')[1]
    struct = data[0].split()        
    list   = []                     #holds list of attachment filenames

    for j, k in enumerate(struct):
        if k == '("FILENAME"':
            count = 1
            val = struct[j + count]
            while val[-3] != '"':
                count += 1
                val += " " + struct[j + count]
            list.append(val[1:-3])
        elif k == '"FILENAME"':
            count = 1
            val = struct[j + count]
            while val[-1] != '"':
                count += 1
                val += " " + struct[j + count]
            list.append(val[1:-1])

我也在GitHub上发布了它。

编辑

上述解决方案很好，但从有效负载中提取附件文件名的逻辑并不可靠。当文件名包含第一个单词只有两个字符的空格时，它会失败，

例如：“ad cde gh.png”。

试试这个：

import re # Somewhere at the top

result, data = mailobj.uid("fetch", mail_uid, "BODYSTRUCTURE")

itr = re.finditer('("FILENAME" "([^\/:*?"<>|]+)")', data[0].decode("ascii"))

for match in itr:
    print(f"File name: match.group(2)")

测试正则表达式here。