web-dev-qa-db-ja.com

Python:生の電子メールに「Body」タグなどがない場合、生の電子メールから本文を解析する方法

簡単に入手できるようです

From
To
Subject

など

import email
b = email.message_from_string(a)
bbb = b['from']
ccc = b['to']

"a"がこのようなものである生の電子メール文字列であると仮定します。

a = """From [email protected] 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 <[email protected]>; 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: [email protected]
Subject: oooooooooooooooo
To: [email protected]
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

ooooooooooooooooooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooooooooooooooooooo

--bound1374805739--"""

質問

python経由でこのメールのBodyを取得するにはどうすればよいですか?

これまでのところ、これは私が知っている唯一のコードですが、まだテストしていません。

if email.is_multipart():
    for part in email.get_payload():
        print part.get_payload()
else:
    print email.get_payload()

これは正しい方法ですか?

または、次のような単純なものがあるかもしれません...

import email
b = email.message_from_string(a)
bbb = b['body']

63
user2621078

Message.get_payload を使用します

b = email.message_from_string(a)
if b.is_multipart():
    for payload in b.get_payload():
        # if payload.is_multipart(): ...
        print payload.get_payload()
else:
    print b.get_payload()
72
falsetru

積極的になるには、実際の電子メール本文で作業します(ただし、まだ正しい部分を解析していない可能性があります)。処理。

前述の添付ファイルはtext/plainまたはtext/htmlパーツである場合が多く、非常に多くの場合、この防弾でないサンプルはcontent-dispositionヘッダーをチェックすることでそれらをスキップします。

b = email.message_from_string(a)
body = ""

if b.is_multipart():
    for part in b.walk():
        ctype = part.get_content_type()
        cdispo = str(part.get('Content-Disposition'))

        # skip any text/plain (txt) attachments
        if ctype == 'text/plain' and 'attachment' not in cdispo:
            body = part.get_payload(decode=True)  # decode
            break
# not multipart - i.e. plain text, no attachments, keeping fingers crossed
else:
    body = b.get_payload(decode=True)

ところで、walk()はmimeパーツを素晴らしく反復し、get_payload(decode=True)はbase64などのデコードで汚い作業を行います。

いくつかの背景-私が暗示したように、MIME電子メールの素晴らしい世界は、メッセージ本文を「間違って」見つけるという多くの落とし穴を提示します。最も単純な場合、それは唯一の「text/plain」部分にあり、get_payload()は非常に魅力的ですが、私たちは単純な世界に住んでいません。ウィキペディアはそれをしっかりと説明しています- MIME 、しかし、以下のこれらすべてのケースが有効であり、一般的であることを考慮すると、周りのセーフティネットを考慮する必要があります:

非常に一般的-添付ファイル付きのフォーマットされたテキストを送信する通常のエディター(Gmail、Outlook)で得られるもののほとんど:

multipart/mixed
 |
 +- multipart/related
 |   |
 |   +- multipart/alternative
 |   |   |
 |   |   +- text/plain
 |   |   +- text/html
 |   |      
 |   +- image/png
 |
 +-- application/msexcel

比較的シンプル-単なる代替表現:

multipart/alternative
 |
 +- text/plain
 +- text/html

良くも悪くも、この構造は有効です。

multipart/alternative
 |
 +- text/plain
 +- multipart/related
      |
      +- text/html
      +- image/jpeg

これが少し役立つことを願っています。

追伸私のポイントは、電子メールに軽く近づかないことです-少なくとも予想しないときに噛みつきます:)

93
Todor Minakov

Pythonにはb['body']はありません。 get_payloadを使用する必要があります。

if isinstance(mailEntity.get_payload(), list):
    for eachPayload in mailEntity.get_payload():
        ...do things you want...
        ...real mail body is in eachPayload.get_payload()...
else:
    ...means there is only text/plain part....
    ...use mailEntity.get_payload() to get the body...

幸運を。

4
Jimmy Lin

適切なドキュメントで電子メールの内容を解析するのに非常に優れた package が利用可能です。

import mailparser

mail = mailparser.parse_from_file(f)
mail = mailparser.parse_from_file_obj(fp)
mail = mailparser.parse_from_string(raw_mail)
mail = mailparser.parse_from_bytes(byte_mail)

使い方:

mail.attachments: list of all attachments
mail.body
mail.to
2
Amit Sharma

Emailsがpandasデータフレームで、emails.messageがメールテキストの列の場合

## Helper functions
def get_text_from_email(msg):
    '''To get the content from email objects'''
    parts = []
    for part in msg.walk():
        if part.get_content_type() == 'text/plain':
            parts.append( part.get_payload() )
    return ''.join(parts)

def split_email_addresses(line):
    '''To separate multiple email addresses'''
    if line:
        addrs = line.split(',')
        addrs = frozenset(map(lambda x: x.strip(), addrs))
    else:
        addrs = None
    return addrs 

import email
# Parse the emails into a list email objects
messages = list(map(email.message_from_string, emails['message']))
emails.drop('message', axis=1, inplace=True)
# Get fields from parsed email objects
keys = messages[0].keys()
for key in keys:
    emails[key] = [doc[key] for doc in messages]
# Parse content from emails
emails['content'] = list(map(get_text_from_email, messages))
# Split multiple email addresses
emails['From'] = emails['From'].map(split_email_addresses)
emails['To'] = emails['To'].map(split_email_addresses)

# Extract the root of 'file' as 'user'
emails['user'] = emails['file'].map(lambda x:x.split('/')[0])
del messages

emails.head()
0
Ajay Ohri