python3解决读取到的邮件中的乱码问题

点进来看这篇文章的你,是不是有这种情况,不管用什么模块去读取邮箱中的邮件,都能看到类似 “=?gb18030?B?1vfM4g==?=” 这样的仿佛像乱码一样的东西,你比如说这样子的:

X-QQ-FEAT : YSSoAXAEBlFn3rgysgiXLVc6JAR+kPKEFS7ZN3zDXcfIwJbZ9PdiXyEAi1P1Y
	bCMaCcjuhodvyPMnINgRUNXG3cL92U6Wa65rugG8bzlK90FKrcQt1qc++MarPDuUQ9FZDWF
	5XCcMbh8cwE8DluYxQhB0KkjN3uwvo/LUe/yjAs9EPhaKMtOFcpleoSdhn3y50+HYLOlT+v
	6o1ezgettAtujDVDd12DnlM2A2TtGA+93HEKHtb87qPJew0CGt4Aol3ivf+TOwClGaVgmb3
	1OvgzIuQ/O86jp
X-QQ-SSF : 00010000000000F0
X-QQ-WAPMAIL : 1
X-QQ-BUSINESS-ORIGIN : 2
X-Originating-IP : 113.109.250.27
X-QQ-STYLE : 
X-QQ-mid : riamail18t1553668272t87493
From : "=?gb18030?B?MTExNDg1ODA5Ng==?=" <liangrunfei26@qq.com>
To : "=?gb18030?B?ztLX1Ly6tcTTys/k?=" <1114858096@qq.com>
Subject : =?gb18030?B?1vfM4g==?=
Mime-Version : 1.0
Content-Type : multipart/alternative;
	boundary="----=_NextPart_5C9B18B0_09D441C0_7133BE76"
Content-Transfer-Encoding : 8Bit
Date : Wed, 27 Mar 2019 14:31:12 +0800
X-Priority : 3
Message-ID : <tencent_798BF34428C2BB20AEFC6864971D9B13CD07@qq.com>
X-QQ-MIME : TCMime 1.0 by Tencent
X-Mailer : QQMail 2.x
X-QQ-Mailer : QQMail 2.x

但是其实是因为内容通过某种编码格式编码过之后才显现出这样的内容,而我们拿到之后,则是需要对其进行解码。

网络上大部分什么通过sys.setdefaultencoding("gbk"),base64.decodestring(s)之类的都是基于python2的,而python3因为较于python2的改动较大,一些模块或者函数,有的已经取消不用了,有的根本导入或者调用方法都不一样了,所以有此文章。

 

解决方法很简单,因为网络上的邮件,编码格式千奇百怪,所以我们要做的第一件事,也是最重要的一件事,就是知道这段文字内容到底使用什么编码格式去编码的,那再后面的就很简单了,根据这个对应的格式去对你拿到的内容进行解码就好了。

 

具体实施步骤:

怎么拿到邮件内容这个我就不说了,网上大把的实例。

第一步:导入模块:

        import email

        from email.header import decode_header

第二行导入的这个函数是重中之重,因为网络上很多案例,都是python2的,他们的做法就很简单了,不需要分开导入,直接import 一个email就搞定了,然后可以通过email.Header.decode_header()实现调用,但是python3就只能通过分开导入的办法来调用到这个函数,所以在没人指导的时候,自己去探索这个也是一件让人十分崩溃的事情。

 

第二步:将邮件内容转换成mail对象:

        mail = email.message_from_bytes(bytes_content)

这个bytes_content就是用读取邮件的相关模块fetch到的邮件具体内容,也就是类似“=?gb18030?B?1vfM4g==?=”这样的一些个看不懂的东西。

 

第三步:将mail对象中需要解码的内容提取:

        subject = mail.get("subject")

其实mail基本已经像是一个字典一样的东西,而subject是邮件的标题,这里用标题作为举例。打印一下这里的subject,结果为:=?gb18030?B?1vfM4g==?=

 

第四步:对提取出来的subject,进行解码:

        dh = decode_header(subject)

这一步与其说是对subject进行解码,倒不如说是将它做了一个初步的处理,并且解析出了它的编码格式,打印一下dh可以看到,结果为:[(b'\xd6\xf7\xcc\xe2', 'gb18030')],不难看出在列表中是一个元组,而元组的第一项是我们的subject本来应有的内容,而第二项则是它的编码格式。

 

最后一步:根据获得的编码格式,对预处理过的内容进行解码,获得最终结果:

        result = dh[0][0].decode(dh[0][1])

打印一下此时的result,可以得到想要的结果:主题

没有错, “=?gb18030?B?1vfM4g==?=”对应的内容就是“主题”二字。

但是如果dh[0][1]是None,那就没必要进行解码了。

 

希望本文能帮到那些像我一样找了大半天想到头都大都解决不了邮件内容解码问题的小伙伴们!

展开阅读全文

没有更多推荐了,返回首页