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 2023-03-15

【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 [e-mail] 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 <[e-mail]>; 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: [e-mail]
Subject: ooooooooooooooooooooooo
To: [e-mail]
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']  # '[e-mail]'
msg['to']    # '[e-mail]'

【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()

【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 [e-mail] 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 <[e-mail]>; 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: [e-mail]
Subject: ooooooooooooooooooooooo
To: [e-mail]
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)

【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: [e-mail]', 'Subject: ooooooooooooooooooooooo', 'To: [e-mail]']

我在您的原始内容中没有看到 Body: