python-poplib爬取邮箱

项目需求：爬取邮箱

代码：

# -*- coding: utf-8 -*-
import csv
import time
import re
import smtplib
import datetime
import poplib
from email.parser import Parser
from email.header import decode_header
from email.utils import parseaddr


def get_origin_text(nowtime):  # 获取邮件原始文本
    # 连接到POP3服务器
    pop_server = poplib.POP3("邮箱")
    # pop_server = poplib.POP3("pop.163.com")
    print("连接pop3服务器成功")
    # 邮箱号
    pop_server.user("##########")
    # 授权码
    pop_server.pass_("##########")  #

    #stat()返回(邮件数，邮件尺寸)
    print('邮件数: %s 邮件尺寸: %s' % pop_server.stat())
    print("---开始更新---")
    print("更新时间：{}".format(nowtime.replace('T',' ')))
    # list()返回所有邮件的编号列表,默认返回20个元素
    resp, mails, octets = pop_server.list()  # 编号最大的为最新的一封
    # print(mails)
    # 获取最新的一封邮件(索引号从1开始)
    index = len(mails)
    for i in range(1,index+1):
        # print(i)
        resp, lines, octets = pop_server.retr(i)  # 返回(状态信息，邮件，邮件尺寸)
        # lines存储了邮件的原始文本的每一行,可以获得整个邮件的原始文本
        msg_content = b'\r\n'.join(lines).decode('utf-8')  # b表示：后面字符串是bytes类型。
        msg = Parser().parsestr(msg_content)
        parse_msg(msg,nowtime) # 第二步：用 email 解析原始文本，还原为邮件对象。
    # return info_list
    pop_server.quit() # 退出连接

def decode_str(s):  # 解码字符串
    value, charset = decode_header(s)[0]
    if charset:
        value = value.decode(charset)
    return value

def set_charset(msg):  # 设置字符集
    charset = msg.get_charset()  # 获取字符集
    if charset is None:
        content_type = msg.get('Content-Type', '').lower()
        pos = content_type.find('charset=')
        if pos >= 0:
            charset = content_type[pos + 8:].strip()
    return charset


def parse_msg(msg,nowtime):

    # 解析邮件头
    pattern_dn = r"***********"      #正则1
    pattern_time = r"************"   #正则2
    times = r"**************"        #正则3

    for header in ['From', 'To', 'Subject']:  # 遍历获取发件人，收件人，主题的相关信息
        value = msg.get(header, '')  # 获取邮件头的内容
        if value:
            if header == 'Subject':  # 获取主题的信息，并解码
                value = decode_str(value)  # 解码字符串
            else:
                hdr, addr = parseaddr(value)  # 解析字符串中的邮件地址
                name = decode_str(hdr)  # 解码字符串
                value = '%s <%s>' % (name, addr)
    # print('邮件名称: %s' % (value))
    # info_list.append(value)

    # 解析邮件正文
    if (msg.is_multipart()):  # 如果消息由多个部分组成，则返回True
        parts = msg.get_payload()  # 返回一个包含邮件所有的子对象的列表
        for n, part in enumerate(parts):  # 枚举，遍历各个对象
            # print('part %s' % (n))
            parse_msg(part,nowtime)
    else:
        content_type = msg.get_content_type()  # 获取邮件信息的内容类型
        if content_type == 'text/plain' or content_type == 'text/html':  # 如果是纯文本或者html类型
            content = msg.get_payload(decode=True)  # 返回一个包含邮件所有的子对象(已解码)的列表
            charset = set_charset(msg)  # 设置字符集
            if charset:  # 字符集不为空
                content = content.decode(charset)  # 解码
                # print('Text: %s' % (content))
                if "统一云防御检测" in content:
                    DN = re.findall(pattern_dn,content)[0]
                    DN = DN.replace("(","").replace(")","")
                    Time = re.findall(pattern_time,content)[0]
                    Time = Time.split(" ")
                    Times = re.findall(times,content)[0]
                    start_time = Time[0]+' '+Time[1]
                    end_time = Time[0]+' '+Time[3]
                    info = DN + "|" + start_time + ":00" + "|" + end_time + ":00" + "|" + Times + "\n"
                    with open("path1(自己设置)", "a+") as file2:
                        file2.seek(0)
                        history = file2.read()
                        # print(history)
                        if info not in history:
                            with open("path2（自己设置）".format(today), "a+") as file1:
                                file1.write(nowtime + "|" + info)
                                file2.write(nowtime + "|" + info)
                    # info_list.append(['、web应用攻击提醒邮件',DN,start_time+":00",end_time+":00",Times])
        else:
            print('Attachment: %s' % (content_type))  # 附件

if __name__ == "__main__":
    nowtime = time.strftime('%Y-%m-%dT%H:%M:%S', time.localtime(time.time()))
    info_list = []

    msg = get_origin_text(nowtime)  # 第一步：用 poplib 获取邮件的原始文本。
    # 写入csv
    # with open(r'C:\Users\admin\Desktop\email.csv', 'w', newline='', encoding="gbk") as fp:
    #     writer = csv.writer(fp)
    #     headers = ["邮件名称", "域名", "开始时间","结束时间","攻击次数"]
    #     writer.writerow(headers)
    #     for i in msg:
    #         writer.writerow(i)
    print("==================")
    print("---更新完成---")