web-dev-qa-db-ja.com

Pythonを使用して電子メールメッセージのテキストコンテンツを取得するにはどうすればよいですか？

Python 2.6でRFC822メッセージが与えられた場合、righttext/plain content partを取得するにはどうすればよいですか？基本的に、私が欲しいアルゴリズムはこれです：

message = email.message_from_string(raw_message)
if has_mime_part(message, "text/plain"):
    mime_part = get_mime_part(message, "text/plain")
    text_content = decode_mime_part(mime_part)
Elif has_mime_part(message, "text/html"):
    mime_part = get_mime_part(message, "text/html")
    html = decode_mime_part(mime_part)
    text_content = render_html_to_plaintext(html)
else:
    # fallback
    text_content = str(message)
return text_content

これらのうち、私はget_mime_partとhas_mime_partを使いましたが、MIME部分からデコードされたテキストを取得する方法がよくわかりません。 get_payload()を使用してencodedテキストを取得できますが、get_payload()メソッドのdecodeパラメーターを使用しようとすると（ doc ）text/plain部分で呼び出すとエラーが発生します：

File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/
email/message.py", line 189, in get_payload
    raise TypeError('Expected list, got %s' % type(self._payload))
TypeError: Expected list, got <type 'str'>

さらに、HTMLをどのように取り込んでテキストにできる限り近づけるかはわかりません。

pythonemailmimerfc822
33
Chris R

マルチパート電子メールでは、email.message.Message.get_payload()は、各パートに1つのアイテムを含むリストを返します。最も簡単な方法は、メッセージを調べて各部分のペイロードを取得することです。

_import email
msg = email.message_from_string(raw_message)
for part in msg.walk():
    # each part is a either non-multipart, or another multipart message
    # that contains further parts... Message is organized like a tree
    if part.get_content_type() == 'text/plain':
        print part.get_payload() # prints the raw text
_

非マルチパートメッセージの場合、すべてのウォーキングを行う必要はありません。 content_typeに関係なく、get_payload（）に直接進むことができます。

_msg = email.message_from_string(raw_message)
msg.get_payload()
_

コンテンツがエンコードされている場合、Noneを最初のパラメーターとしてget_payload()に渡し、その後にTrue（デコードフラグが2番目のパラメーターです）を渡す必要があります。たとえば、私の電子メールにMS Word文書の添付ファイルが含まれているとします。

_msg = email.message_from_string(raw_message)
for part in msg.walk():
    if part.get_content_type() == 'application/msword':
        name = part.get_param('name') or 'MyDoc.doc'
        f = open(name, 'wb')
        f.write(part.get_payload(None, True)) # You need None as the first param
                                              # because part.is_multipart() 
                                              # is False
        f.close()
_

HTMLパーツの合理的なプレーンテキストの近似値を取得することに関しては、 html2text は非常にうまく機能することがわかりました。

80
Jarret Hardie

ネストはフラットよりも優れています;）

from email.mime.multipart import MIMEMultipart
assert isinstance(msg, MIMEMultipart)

for _ in [k.get_payload() for k in msg.walk() if k.get_content_type() == 'text/plain']:
    print _
1
guneysus

@Jarret Hardieの優れた回答を追加するには：

私は個人的に、この種のデータ構造を後で再利用できる辞書に変換したいので、content_typeはキーで、payloadは値です。

import email

[...]

email_message = {
    part.get_content_type(): part.get_payload()
    for part in email.message_from_bytes(raw_email).walk()
}

print(email_message["text/plain"])
0
Seraf