python 获取E-mail中的信息

E-mail主要由邮件头和邮件体两部分组成。
邮件头中的内容和我们寄信时写在信封上的内容大同小意，当然这里也包含了很多路过的“邮局”的信息了。
邮件体中的内容就是我们写的信或者包裹。

python自身包含了email模块处理可以快速的处理E-mail中的信息

import email

#打开一个文件
fp = open('email.eml', 'r')
#创建email实例
msg = email.message_from_file(fp)
#现在我们就可以很简单的取出我们想要的邮件头信息
subject = msg.get('subject')
from = msg.get('from')
to = msg.get('to')
现在我们已经得到了邮件的主题，发件人和邮件人的信息

可是我们怎么取得邮件中正文信息和附件信息呢？
这些信息我们就需要遍历邮件内容来获取了。

for part in msg.walk():
    if part.is_multipart():
            continue
    #获取内容类型
    content_type = part.get_content_type()
    #text/plain类型说明是文本，有时邮件格式不规范会写为text
    if ('text/plain' == content_type
        or 'text' == content_type):
        content = part.get_payload()
    #application/octet-stream说明是附件，这里假设邮件里只包含一个附件
    if ('application/octet-stream' == content_type):
        file = part.get_payload()

现在我们已经把邮件中的主要信息取出来了。
但是为什么取出来的信息都看不明白呢？

例如
To: "=?gb2312?B?uu/X0w==?=" <ape@ape.com>
这是因为邮件在传送过程中使用base64进行了编码操作
“=?gb2312?B?uu/X0w==?=”这段字符串是使用bae64进行编码后的gb2312字符集的字符串
现在我们看看怎么解析这些数据
str = '=?gb2312?B?uu/X0w==?='
list = email.header.decode_header(str)
#这时list内容为[[('/xba/xef/xd7/xd3', 'gb2312')]]
to = list[0][0].decode(list[0][1])
#这时to里的内容为u'/u7334/u5b50'即utf-8字符集中的’猴子’两字
有时解码时会遇到不能解析的字符，这时就要给decode函数增加一个参数了
to = list[0][0].decode(list[0][1], 'ignore')
这时无法解析的字符将被忽略

现在我们已经可以得到信息中的中文信息。
但是有些信件不存储字符集怎么办呢？

现在我们用http://chardet.feedparser.org/里面的chardet库提供的功能对编码进行探测
import chardet
str = '/xba/xef/xd7/xd3'
chardet.detect(str)
#返回的结果
{'confidence': 0.98999999999999999, 'encoding': 'GB2312'}
 
经过以上的步骤我们就可以比较正确的获取一封信件的内容了。