Python:如何从带有Python的原始电子邮件源解析诸如:从,到,正文之类的东西[重复]
Posted
技术标签:
【中文标题】Python:如何从带有Python的原始电子邮件源解析诸如:从,到,正文之类的东西[重复]【英文标题】:Python : How to parse things such as : from, to, body, from a raw email source w/Python [duplicate] 【发布时间】:2013-07-26 04:14:47 【问题描述】:原始电子邮件通常看起来像这样
From root@a1.local.tld Thu Jul 25 19:28:59 2013
Received: from a1.local.tld (localhost [127.0.0.1])
by a1.local.tld (8.14.4/8.14.4) with ESMTP id r6Q2SxeQ003866
for <ooo@a1.local.tld>; Thu, 25 Jul 2013 19:28:59 -0700
Received: (from root@localhost)
by a1.local.tld (8.14.4/8.14.4/Submit) id r6Q2Sxbh003865;
Thu, 25 Jul 2013 19:28:59 -0700
From: root@a1.local.tld
Subject: ooooooooooooooooooooooo
To: ooo@a1.local.tld
Cc:
X-Originating-IP: 192.168.15.127
X-Mailer: Webmin 1.420
Message-Id: <1374805739.3861@a1>
Date: Thu, 25 Jul 2013 19:28:59 -0700 (PDT)
MIME-Version: 1.0
Content-Type: multipart/mixed; boundary="bound1374805739"
This is a multi-part message in MIME format.
--bound1374805739
Content-Type: text/plain
Content-Transfer-Encoding: 7bit
ooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooo
--bound1374805739--
所以如果我想编写一个 PYTHON 脚本来获取
From
To
Subject
Body
这是我要构建的代码还是有更好的方法?
a='<title>aaa</title><title>aaa2</title><title>aaa3</title>'
import re
a1 = re.findall(r'<(title)>(.*?)<(/title)>', a)
【问题讨论】:
听说过 PLY 或者,尤其是 PyParsing?如果您要处理大量可能包含会破坏手工解析器的字符的电子邮件,那么这两个是专为解析文件而设计的出色 Python 包。您可能想先尝试 PyParsing;这是最简单的。 【参考方案1】:我真的不明白你的最终代码 sn-p 与任何事情有什么关系 - 直到那时你还没有提到任何关于 html 的事情,所以我不知道你为什么会突然给出一个解析的例子HTML(无论如何你都不应该使用正则表达式)。
无论如何,为了回答您关于从电子邮件中获取标头的原始问题,Python 在标准库中包含了执行此操作的代码:
import email
msg = email.message_from_string(email_string)
msg['from'] # 'root@a1.local.tld'
msg['to'] # 'ooo@a1.local.tld'
【讨论】:
我选择这个答案是因为运动是直接的而不是间接的。 (不导入解析器等)这是一种欢迎。- Sumer Kolcak 如何得到尸体?【参考方案2】:幸运的是 Python 让这一切变得更简单:http://docs.python.org/2.7/library/email.parser.html#email.parser.Parser
from email.parser import Parser
parser = Parser()
emailText = """PUT THE RAW TEXT OF YOUR EMAIL HERE"""
email = parser.parsestr(emailText)
print email.get('From')
print email.get('To')
print email.get('Subject')
身体比较复杂。致电email.is_multipart()
。如果那是错误的,您可以致电email.get_payload()
获取您的身体。但是,如果它是真的,email.get_payload()
将返回一个消息列表,因此您必须在每个消息上调用 get_payload()
。
if email.is_multipart():
for part in email.get_payload():
print part.get_payload()
else:
print email.get_payload()
【讨论】:
【参考方案3】:“正文”不在您的示例电子邮件中
可以使用email模块:
import email
msg = email.message_from_string(email_message_as_text)
然后使用:
print email['To']
print email['From']
... ... 等等
【讨论】:
我一直在尝试构建类似的东西,但在 Python3 中遇到了很多问题——目前的方法是什么?我用这个解决方案返回 None。【参考方案4】:你应该使用email.parser
s = """
From root@a1.local.tld Thu Jul 25 19:28:59 2013
Received: from a1.local.tld (localhost [127.0.0.1])
by a1.local.tld (8.14.4/8.14.4) with ESMTP id r6Q2SxeQ003866
for <ooo@a1.local.tld>; Thu, 25 Jul 2013 19:28:59 -0700
Received: (from root@localhost)
by a1.local.tld (8.14.4/8.14.4/Submit) id r6Q2Sxbh003865;
Thu, 25 Jul 2013 19:28:59 -0700
From: root@a1.local.tld
Subject: ooooooooooooooooooooooo
To: ooo@a1.local.tld
Cc:
X-Originating-IP: 192.168.15.127
X-Mailer: Webmin 1.420
Message-Id: <1374805739.3861@a1>
Date: Thu, 25 Jul 2013 19:28:59 -0700 (PDT)
MIME-Version: 1.0
Content-Type: multipart/mixed; boundary="bound1374805739"
This is a multi-part message in MIME format.
--bound1374805739
Content-Type: text/plain
Content-Transfer-Encoding: 7bit
ooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooo
--bound1374805739--
"""
import email.parser
msg = email.parser.Parser().parsestr(s)
help(msg)
【讨论】:
【参考方案5】:您可以将原始内容写入文件
然后像这样读取文件:
with open('in.txt', 'r') as file:
raw = file.readlines()
get_list = ['From:','To:','Subject:']
info_list = []
for i in raw:
for word in get_list:
if i.startswith(word):
info_list.append(i)
现在info_list
将是:
['From: root@a1.local.tld', 'Subject: ooooooooooooooooooooooo', 'To: ooo@a1.local.tld']
我在您的原始内容中没有看到 Body:
【讨论】:
以上是关于Python:如何从带有Python的原始电子邮件源解析诸如:从,到,正文之类的东西[重复]的主要内容,如果未能解决你的问题,请参考以下文章
python常用模块email----从原始邮件中提取邮件头信息