获取邮件中的附件

今天获取了下邮件中的附件。成功了…

首先，邮件不一定带附件，第二，绝大多数附件都是二进制。
先说附件吧：附件的格式如图：

基本上所有的文件文本都是name:“XXXXXX”，所以可以直接截取NAME字段。
如果存在NAME字段，那么就是有附件。

然后，下一步，对正文储存成为二进制文件。

格式的话，选择wb。就是二进制写入。
然后把二进制代码存进去。
即可获取附件。

我自己手撕的脚本。

def get_mail_files_and_photo(msg, file_location='1'):
    for part in msg.walk():
        name = part.get_param('name')
        file_data = b''
        if name:
            if name.find('=?=') != -1 and name.find('=?UTF-8?') != -1:
                try:
                    data = name.split('?')[3]
                except:
                    data = 'error_name'
                data = bytes(data, encoding='UTF-8', errors='replace')
                data = base64.b64decode(data)
                data = data.decode(encoding='UTF-8', errors='replace')
            if name.find('=?=') != -1 and name.find('=?GB') != -1:
                try:
                    data = name.split('?')[3]
                except:
                    data = 'error_name'
                data = bytes(data, encoding='GBK', errors='replace')
                data = base64.b64decode(data)
                data = data.decode(encoding='GBK', errors='replace')
            else:
                data = bytes(name.replace('=', '').replace('?', ''), encoding='UTF-8', errors='replace')
                data = base64.b64decode(data)
                data = data.decode(encoding='UTF-8', errors='replace')
                
            try:
                file_data = part.get_payload(decode=True)
                file = open('F:\\mail_log\\mail_file\\{}-{}'
                            .format(file_location, data[-30:-1]), 'wb')
                file.write(file_data)
                file.close()
            except:
                print('没有可获取文件')

但是：出现这么几个问题：第一个是文件名不一定能够获取成功。
能获取带乱码名的文件名，不过概率很低。
看看我获取的文件，其中有一些乱码了……

主要原因，是因为文件名有三种码：

无格式纯英文转码

第二种：GB2312转Base64.
第三种：UTF-8转BASE64.

需要写三个判断。

还有就是：PTTHON不支持超长名。
比如：

F = open（‘11111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111111.txt’）

对这个文件只能后截取而不是获取前几个（因为后缀名在后面啊）不然程序会报错退出。

还有：不支持带特殊字符（问号不支持），要去除文件名中的特殊字符。

经过这几次的格式转换，就能获取文件名称了。
千万别忘了再写一个报错模块——如果实在获取不到，那么就跳过这个文件。

然后，下一个就是：通过二进制获取文件。

这个有概率失败，没有确定是什么原因。
所以还要写异常抛出模块。

整个程序逻辑是：

import email
import poplib
import pyperclip
from email.parser import Parser
from email.header import decode_header
from email.utils import parseaddr
from file_fun import *
import time
import re
from html import unescape
import configobj
import base64
import calendar


# 这是passwd文件的句柄，密码等都存在这个文件里面，用的时候自己配
config = configobj.ConfigObj('F:\\d1\\passwd.ini')

# 文件信息
mail_return_list = ''


def get_mail_return():
    return mail_return_list


def change_mail_return(data=''):
    global mail_return_list
    mail_return_list = str(data)


def add_mail_return(data=''):
    global mail_return_list
    if data != '':
        mail_return_list = str(data)+'\n'+str(mail_return_list)
    else:
        mail_return_list = str(data)


# 这个程序的作用是为了将html转化成txt文本，转化能力还不错……
def html_to_plain_text(html):
    text = re.sub('<head.*?>.*?</head>', ' ', html, flags=re.M | re.S | re.I)
    text = re.sub(r'<a\s.*?>', ' HYPERLINK ', text, flags=re.M | re.S | re.I)
    text = re.sub('<.*?>', ' ', text, flags=re.M | re.S)
    text = re.sub(r'(\s*\n)+', '\n', text, flags=re.M | re.S)
    # text = re.sub(r'\{.*?\}', 'vue函数', '', flags=re.M | re.S)
    return unescape(text)


# 获取前三行的宏，其中关于HEAD的不太清楚，但是不重要……
def decode_str(s):
    value, charset = decode_header(s)[0]
    if charset:
        try:
            value = value.decode(charset, errors="replace")
        except Exception as e:
            value = "无法获取标题，过"
            print(str(e)+'17')
    return value


def get_head(msg):
    value_char = ''
    for header in ['From', 'To', 'Subject']:
        value = msg.get(header, '')
        if value:
            if header == 'Subject':
                value = decode_str(value)
            else:
                hdr, addr = parseaddr(value)
                name = decode_str(hdr)
                value = u'%s <%s>' % (name, addr)
        value_char = str(value_char) + str(value) + '\n'
        if len(value_char) <= 5:
            value_char == '邮件无标题'
    return value_char + '\n'


def add_time(mail):
    try:
        mail = mail.decode('UTF-8', errors='replace')
        get_date = re.search(r'Date:\s([A-Za-z]{1,3}),\s([0-9]{1,2})\s([A-Za-z]{1,3})\s([0-9]{1,4})\s([0-9]{1,2}):',
                             mail)
    except Exception as e:
        print(e)
    return '{}-{}-{} {}时'.format(get_date.group(4), str(list(calendar.month_abbr).index(get_date.group(3))).zfill(2),
                                     str(get_date.group(2)).zfill(2), get_date.group(5))


def get_file(msg):
    data_char = ''
    for part in msg.walk():
        part_charset = part.get_content_charset()
        part_type = part.get_content_type()
        if part_type == "text/plain" or part_type == 'text/html':
            data = part.get_payload(decode=True)
            try:
                data = data.decode(part_charset, errors="replace")
            except Exception as e:
                print(str(e)+'16')
                data = data.decode('gb2312', errors="replace")
            data = html_to_plain_text(data)
            data = data.replace('?', '')
            data_char = data_char + '\n' + data
        else:
            if not part.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 = part.get_param("name")  # 如果是附件，这里就会取出附件的文件名
                if name:
                    if name.find('=?=') != -1:
                        data = name.split('?')[3]
                        data = bytes(data, encoding='utf-8')
                        data = base64.b64decode(data)
                        data = data.decode(encoding='gbk', errors='replace')
                        data_char = data_char + '\n' + str(data) + '\n'
    return data_char


def get_mail_files_and_photo(msg, file_location='1'):
    for part in msg.walk():
        name = part.get_param('name')
        file_data = b''
        if name:
            try:
                if name.find('=?=') != -1 and name.find('=?UTF-8?') != -1:
                    data = name.split('?')[3]
                    data = bytes(data, encoding='UTF-8', errors='replace')
                    data = base64.b64decode(data)
                    data = data.decode(encoding='UTF-8', errors='replace')
                    file_data = part.get_payload(decode=True)
                elif name.find('=?=') != -1 and name.find('=?GB') != -1:
                    data = name.split('?')[3]
                    data = bytes(data, encoding='GBK', errors='replace')
                    data = base64.b64decode(data)
                    data = data.decode(encoding='GBK', errors='replace')
                    file_data = part.get_payload(decode=True)
                else:
                    data = name.replace('=', '').replace('?', '')
                    file_data = part.get_payload(decode=True)
                file = open('F:\\mail_log\\mail_file\\{}-{}'.format(file_location, data[-30:]), 'wb')
                file.write(file_data)
                file.close()
            except Exception as e:
                print(e)


# 这是生成邮件文本的主程序
def mail_input(start_row=90, end_row=100):
    global mail_return_list
    print('正在获取邮件正文')
    add_mail_return('正在获取邮件正文')
    password = config['passwd']['password']
    user = config['passwd']['user']
    pop3server = config['passwd']['pop3server']
    root = config['root']['mail_root']
    p = poplib.POP3_SSL(pop3server)
    p.user(user)
    p.pass_(password)
    print('邮件处理起点'+str(start_row))
    print('处理到：'+str(end_row+1))
    for i in range(start_row, end_row + 1):
        print('获取邮件{}中'.format(i))
        add_mail_return('获取邮件{}中 '.format(i)+time.strftime("%d %H:%M:%S", time.localtime()))
        mail = p.retr(i)[1]
        mail = b'\n'.join(mail)
        msg = email.message_from_bytes(mail)
        file = open(root + str(i) + ".txt", 'w+', encoding="gb2312", errors="replace")
        file.write(get_head(msg))
        file.write(add_time(mail))
        file.write(get_file(msg) + '\n')
        get_mail_files_and_photo(msg, str(i))
        file.close()
        mail_flash(i)
    p.close()
    print('邮件全部获取，关闭连接')
    add_mail_return('邮件全部获取，关闭连接')
    time.sleep(1)
    mail_flash(end_row)


def get_mail_len():
    try:
        mail = mail_read()
    except Exception as e:
        print(str(e)+'15')
        password = config['passwd']['password']
        user = config['passwd']['user']
        pop3server = config['passwd']['pop3server']
        p = poplib.POP3_SSL(pop3server)
        p.user(user)
        p.pass_(password)
        mail = len(p.list()[1]) - 100
        mail_flash(mail)
    return mail


# 获取邮件到最新，并刷新日志到log

def mail_new():
    password = config['passwd']['password']
    user = config['passwd']['user']
    pop3server = config['passwd']['pop3server']
    p = poplib.POP3_SSL(pop3server)
    p.user(user)
    p.pass_(password)
    start_row = int(get_mail_len()) + 1
    end_row = len(p.list()[1])
    # 当有人删除邮件以后，会发现开始行大于当前行，那么就获取现在最大封数-200，获取最近200行
    if start_row > end_row + 50:
        add_key = config['mail']['when_delete_then_add']
        add_mail_return('发现邮件删除，需要获取最新{}封'.format(add_key))
        start_row = len(p.list()[1]) - int(add_key)
        end_row = len(p.list()[1])
        change_error_count(0)
    mail_input(start_row, end_row)

    p.close()
    return int(get_mail_len()) + 1