python模块之email: 电子邮件编码解码 (一、解码邮件)

    python自带的email模块是个很有意思的东西，它可以对邮件编码解码，用来处理邮件非常好用。
处理邮件是一个很细致的工作，尤其是解码邮件，因为它的格式变化太多了，下面先看看一个邮件的源文件：
Received: from 192.168.208.56 ( 192.168.208.56 [192.168.208.56] ) by
 ajax-webmail-wmsvr37 (Coremail) ; Thu, 12 Apr 2007 12:07:48 +0800 (CST)
Date: Thu, 12 Apr 2007 12:07:48 +0800 (CST)
From: user1 <[email protected]>
To: zhaowei <[email protected]>
Message-ID: <[email protected]>
Subject: =?gbk?B?u+nJtA==?=
MIME-Version: 1.0
Content-Type: multipart/Alternative;
    boundary="----=_Part_21696_28113972.1176350868319"

------=_Part_21696_28113972.1176350868319
Content-Type: text/plain; charset=gbk
Content-Transfer-Encoding: base64

ztLS0b+qyrzS1M6qysfSu7j20MfG2ru70ru0zqOs1K3AtMrH0ru49tTCtffSu7TOztLDx8/W1NrT
prjDysew67XjssXE3MjI1ebC6bezICAg
------=_Part_21696_28113972.1176350868319
Content-Type: text/html; charset=gbk
Content-Transfer-Encoding: quoted-printable

<DIV>=CE=D2=D2=D1=BF=AA=CA=BC=D2=D4=CE=AA=CA=C7=D2=BB=B8=F6=D0=C7=C6=DA=BB=
=BB=D2=BB=B4=CE=A3=AC=D4=AD=C0=B4=CA=C7=D2=BB=B8=F6=D4=C2=B5=F7=D2=BB=B4=CE=
</DIV>
<DIV>=CE=D2=C3=C7=CF=D6=D4=DA=D3=A6=B8=C3=CA=C7=B0=EB=B5=E3=B2=C5=C4=DC=C8=
=C8</DIV>
<DIV>=D5=E6=C2=E9=B7=B3</DIV>
------=_Part_21696_28113972.1176350868319--

    上面的就是以封邮件的源文件，从第一行到第一个空行之间的为信件头，后面的就是信件体了。把上面的信息复制下来存到一个叫xxx.eml的文件里，用鼠标双击就可以看到内容，当然看到的是解码后的，是outlook帮你解码了。
    看看email模块怎么处理这个邮件，假设信件已经存为xxx.eml。

# -*- encoding: gb2312 -*-
import  email

fp  =  open( " xxx.eml " ,  " r " )
msg  =  email.message_from_file(fp)  #  直接文件创建message对象，这个时候也会做初步的解码
subject  =  msg.get( " subject " )  #  取信件头里的subject,　也就是主题
#  下面的三行代码只是为了解码象=?gbk?Q?=CF=E0=C6=AC?=这样的subject
h  =  email.Header.Header(subject)
dh  = email.Header.decode_header(h)
subject  =  dh[0][0]
print   " subject: " , subject
print   " from:  " , email.utils.parseaddr(msg.get( " from " ))[ 1 ]  #  取from
print   " to:  " , email.utils.parseaddr(msg.get( " to " ))[ 1 ]  #  取to

fp.close()

    这段代码可以把一封邮件中的主题、发件人、收件人解析出来。email.utils.parseaddr是用来专门解析邮件地址的，原因是邮件地址很多时候在原文里是这样写的：user1 <[email protected]>, email.utils.parseaddr就可以把它解析为一个列表，第一项是user1, 第二项是[email protected], 这里只显示了后面以部分。
    前面那段代码只是解析了信件头，接着解析信件体吧。信体里可能有纯文本的plain和html两部分,也可能有附件。这里需要mime的知识，详细介绍可以从网上搜搜。我这里就不说了，下面看看怎么解析的：

# -*- encoding: gb2312 -*-
import  email

fp  =  open( " xxx.eml " ,  " r " )
msg  =  email.message_from_file(fp)

#  循环信件中的每一个mime的数据块
for  par  in  msg.walk():
     if   not  par.is_multipart(): #  这里要判断是否是multipart，是的话，里面的数据是无用的，至于为什么可以了解mime相关知识。
        name  =  par.get_param( " name " )  # 如果是附件，这里就会取出附件的文件名
         if  name:
             # 有附件
             #  下面的三行代码只是为了解码象=?gbk?Q?=CF=E0=C6=AC.rar?=这样的文件名
            h  =  email.Header.Header(name)
            dh  = email.Header.decode_header(h)
            fname  =  dh[0][0]
             print   ' 附件名: ' , fname
            data  =  par.get_payload(decode = True)  # 　解码出附件数据，然后存储到文件中
            
             try :
                f  =  open(fname,  ' wb ' )  # 注意一定要用wb来打开文件，因为附件一般都是二进制文件
             except :
                 print   ' 附件名有非法字符，自动换一个 '
                f  =  open( ' aaaa ' ,  ' wb ' )
            f.write(data)
            f.close()
         else :
             # 不是附件，是文本内容
             print  par.get_payload(decode = True)  #  解码出文本内容，直接输出来就可以了。
        
         print   ' + ' * 60   #  用来区别各个部分的输出

简单吧，并没有多少代码就可以实现复杂的解析邮件的功能！