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:
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
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
To: zhaowei
Message-ID: <31571419.200911176350868321.JavaMail.root@bj163app37.163.com>
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
=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=
=C8
------=_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。
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#-*- 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.utils.parseaddr就可以把它解析为一个列表,第一项是user1, 第二项是xxxxxxxx@163.com, 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:
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
#-*- 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 parin 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!
编码邮件
用email模块来生成邮件也是很简单的,只是需要一些mime的基础知识。下面看看一点mime基础。
MIME消息由消息头和消息体两大部分组成,在邮件里就是邮件头和邮件体。邮件头与邮件体之间以空行进行分隔。这点可以用文本编辑器(比如记事本)查看一个邮件的源文件就可以清除看到。outlook和foxmail自己就有查看源文件的功能。
邮件头包含了发件人、收件人、主题、时间、MIME版本、邮件内容的类型等重要信息。每条信息称为一个域,由域名后加“: ”和信息内容构成,可以是一行,较长的也可以占用多行。域的首行必须“顶头”写,即左边不能有空白字符(空格和制表符);续行则必须以空白字符打头,且第一个空白字符不是信息本身固有的。
邮件体包含邮件的内容,它的类型由邮件头的“Content-Type”域指出。最常见的类型有text/plain(纯文本)和text/html(超文本)。邮件体被分为多个段,每个段又包含段头和段体两部分,这两部分之间也以空行分隔。常见的multipart类型有三种:multipart/mixed, multipart/related和multipart/alternative。从它们的名称,不难推知这些类型各自的含义和用处。
如果在邮件中要添加附件,必须定义multipart/mixed段;如果存在内嵌资源,至少要定义 multipart/related段;如果纯文本与超文本共存,至少要定义multipart/alternative段。生成邮件就是要生成这各个MIME部分。email模块对这些处理都是包装好的,看看生成方法:
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
#-*- encoding: gb2312 -*-
import email
import string, sys, os, email
import time
class MailCreator:
def __init__(self):
# 创建邮件的message对象
self.msg= email.Message.Message()
self.mail= ""
def create(self, mailheader, maildata, mailattachlist=[]):
# mailheader 是dict类型,maildata是list, 且里面第一项为纯文本类型,第二项为html.
# mailattachlist 是list, 里面为附件文件名
if not mailheaderor not maildata:
return
for kin mailheader.keys():
# 对subject要作特殊处理,中文要转换一下。
# 比如 "我的一个测试邮件" 就要转换为 =?gb2312?b?ztK1xNK7uPay4srU08q8/g==?=
if k== 'subject':
self.msg[k]= email.Header.Header(mailheader[k],'gb2312')
else:
self.msg[k]= mailheader[k]
# 创建纯文本部分
body_plain= email.MIMEText.MIMEText(maildata[0], _subtype='plain', _charset='gb2312')
body_html= None
# 创建html部分,这个是可选的
if maildata[1]:
body_html= email.MIMEText.MIMEText(maildata[1], _subtype='html', _charset='gb2312')
# 创建一个multipart, 然后把前面的文本部分和html部分都附加到上面,至于为什么,可以看看mime相关内容
attach=email.MIMEMultipart.MIMEMultipart()
attach.attach(body_plain)
if body_html:
attach.attach(body_html)
# 处理每一个附件
for fnamein mailattachlist:
attachment=email.MIMEText.MIMEText(email.Encoders._bencode(open(fname,'rb').read()))
# 这里设置文件类型,全部都设置为Application.当然也可以是Image,Audio什么的,这里不管那么多
attachment.replace_header('Content-type','Application/octet-stream;name="'+os.path.basename(fname)+'"')
# 一定要把传输编码设置为base64,因为这里默认就是用的base64
attachment.replace_header('Content-Transfer-Encoding', 'base64')
attachment.add_header('Content-Disposition','attachment;filename="'+os.path.basename(fname)+'"')
attach.attach(attachment)
# 生成最终的邮件
self.mail= self.msg.as_string()[:-1]+ attach.as_string()
return self.mail
if __name__== '__main__':
mc= MailCreator()
header= {'from':'zhaowei@163.com','to':'weizhao@163.com','subject':'我的一个测试邮件'}
data= ['plain text information','html text information']
if sys.platform== 'win32':
attach= ['c:/windows/clock.avi']
else:
attach= ['/bin/cp']
mail= mc.create(header, data, attach)
f= open("test.eml","wb")
f.write(mail)
f.close()
这里我自己封装了一个类来做处理,大体的过程就是:
1. 先创建message对象: email.Message.Message()
2. 创建MIMEMultipart对象:email.MIMEMultipart.MIMEMultipart()
3. 创建各个MIMEText对象,并把他们attach到MIMEMultipart里,这里的MIMEText其实不仅仅是text, 也包括image, application, audio等等。
4. 生成最终邮件。