POP3协议登陆邮箱并获取所有邮件

POP3协议登陆邮箱并获取所有邮件

import re
import poplib
# 引入用来解析邮件相关信息的模块
import time
from email.parser import Parser
from email.header import decode_header
from email.utils import parseaddr
# 引入相关时间库
from datetime import datetime
from selenium import webdriver


# 输入自己163的邮箱地址。
user_email_address = ''
# 邮箱的授权码，注意：不是登录密码
user_password = ''
# 这个是163邮箱的pop3的服务器地址，各个邮箱平台的POP3的服务器地址都是不同的
# 例如：qq邮箱的pop3服务器地址是：pop.qq.com
pop_server_host = 'pop3.mxhichina.com'
# 邮箱对应的pop服务器的监听端口
# （如果设置POP3的SSL加密方式连接的话，则端口为：995），否则就是端口为110
pop_server_port = 995

driver = webdriver.Chrome()
driver.maximize_window()

def connect_email_by_pop3(number,key_words):
    try:
        # 连接pop服务器。如果没有使用SSL，将POP3_SSL()改成POP3(),且监听端口改为：110即可
        email_server = poplib.POP3_SSL(host=pop_server_host, port=pop_server_port, timeout=10)
        print("连接pop服务器-------正常，开始验证用户邮箱")
    except:
        print("连接pop服务器-------异常，退出")
        exit(1)

    try:
        # 验证用户邮箱
        email_server.user(user_email_address)
        print("用户邮箱验证-------正常，开始验证邮箱授权码")
    except:
        print("用户邮箱验证-------异常，退出")
        exit(1)

    try:
        # 验证邮箱密码是否正确，注意不是登录密码，是授权码
        email_server.pass_(user_password)
        print("邮箱授权码验证-------正常，开始接受邮箱以及附件")
    except:
        print("邮箱授权码验证-------异常，退出")
        exit(1)
    # 开始处理邮箱相关信息
    parse_email_server(email_server,number,key_words)


def parse_email_server(email_server,number,key_words):
    _, mails, _ = email_server.list()
#     num, total_size = email_server.stat()
    # mails存储了邮件编号列表，
    index = len(mails)
    # 倒序遍历邮件
    for i in range(index, index-number, -1):
        # 倒序遍历邮件，这样取到的第一封就是最新邮件
        _, lines, _ = email_server.retr(i)
        # lines存储了邮件的原始文本的每一行,
        # 邮件的原始文本:# lines是邮件内容，列表形式使用join拼成一个byte变量
        msg_content = b'\r\n'.join(lines).decode('utf-8')
        # 解析邮件:
        msg = Parser().parsestr(msg_content)
        # 解析邮件具体内容，包括正文，标题，和附件
        parser_content(msg, 0,key_words,driver)
    # 退出
    email_server.quit()


def parser_content(msg, indent,key_words,driver):
    is_chendu = False
    if indent == 0:
        # 邮件的From, To, Subject存在于根对象上:
        # 调用解析邮件头部内容的函数
        is_chendu,head = parser_email_header(msg,key_words)

    if not is_chendu:
        return
    if (msg.is_multipart()):
        # 如果邮件对象是一个MIMEMultipart,
        # get_payload()返回list，包含所有的子对象:
        parts = msg.get_payload()
        for n, part in enumerate(parts):
            # 递归打印每一个子对象:
            return parser_content(part, indent + 1,key_words,driver)
    else:
        # 解析正文
        content_type = msg.get_content_type()
        if content_type == 'text/plain' or content_type == 'text/html':
            # 纯文本或HTML内容:
            content = msg.get_payload(decode=True)
            # 要检测文本编码:
            charset = guess_charset(msg)
            if charset:
                content = content.decode(charset)
                if "2023年毕业" in content:
                    ms = parse_content(content)
                    print(head,ms)
                    if driver.current_url != 'data:,':
                        windows = driver.window_handles
                        driver.execute_script("window.open('','_blank');")
                        driver.switch_to.window(windows[-1])
                    driver.get(ms)
#                 print('%s正文内容为: %s' % ('  ' * indent, content))

    return 1

def open_chrome(url):
    pass


def parse_content(content):
    pattern = r'<tr><td style="font-weight:600;font-size: 20px;color: #00a9e0;">([^><]+)</td></tr>'
    info = re.findall(pattern, content)
#     print(info)
    
    rpattern = r'<a href="(https://hr.shixiseng.com/#/email/view/.+)" style="display:block;width:120px;text-align:center;padding: 10px 0;vertical-align:middle; color: #ffffff;background-color: #00a9e0;text-decoration: none;">查看完整简历</a></td></tr>'
    res = re.findall(rpattern, content)
#     print(res)
    
#     print(info[0],res[0])
    return res[0]
    

# 解析邮件
def parser_email_header(msg,keywords):
    # 解析邮件标题
    subject = msg['Subject']
    value, charset = decode_header(subject)[0]
    if charset:
        value = value.decode(charset)
    
    info = filter(lambda x:x in value,key_words)
    return 1 if list(info) else 0,value

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


# 猜测字符编码
def guess_charset(msg):
    # 先从msg对象获取编码:
    charset = msg.get_charset()
    if charset is None:
        # 如果获取不到，再从Content-Type字段获取:
        content_type = msg.get('Content-Type', '').lower()
        for item in content_type.split(';'):
            item = item.strip()
            if item.startswith('charset'):
                charset = item.split('=')[1]
                break
    return charset


# 邮件时间处理函数
def parse_mail_time(mail_datetime):
    GMT_FORMAT = "%a, %d %b %Y %H:%M:%S"
    GMT_FORMAT2 = "%d %b %Y %H:%M:%S"
    index = mail_datetime.find(' +0')
    if index > 0:
        mail_datetime = mail_datetime[:index]  # 去掉+0800
    formats = [GMT_FORMAT, GMT_FORMAT2]
    for ft in formats:
        try:
            mail_datetime = datetime.strptime(mail_datetime, ft)
            return mail_datetime
        except:
            pass
    raise Exception("邮件时间格式解析错误")


# 比较规范写法，象征着程序入口
if __name__ == "__main__":
    number = 50
    key_words = ["成都","四川","西南"]
    connect_email_by_pop3(number,key_words)
#     parse_content(html)