1

我正在尝试对 mbox 格式的电子邮件进行一些处理。

搜索后，尝试了一些试验和错误https://docs.python.org/3/library/mailbox.html#mbox

我已经使用下面列出的测试代码完成了我想要的大部分工作（即使我必须编写代码来解码主题）。

我发现这有点偶然，特别是查找“主题”字段所需的关键似乎是反复试验，我似乎找不到任何方法来列出消息的候选人。（我了解这些字段可能因电子邮件而异。）

谁能帮我列出可能的值？

我还有一个问题；电子邮件可能包含许多“已接收：”字段，例如

Received: from awcp066.server-cpanel.com
Received: from mail116-213.us2.msgfocus.com ([185.187.116.213]:60917)
    by awcp066.server-cpanel.com with esmtps (TLSv1.2:ECDHE-RSA-AES256-GCM-SHA384:256)

我有兴趣按时间顺序访问第一个 - 我很乐意搜索，但似乎找不到任何方法来访问文件中的第一个。

#! /usr/bin/env python3
#import locale
#2020-08-31

"""
Extract Subject from MBOX file
"""

import os, time
import mailbox
import base64, quopri

def isbqencoded(s):
    """
    Test if Base64 or Quoted Printable strings
    """
    return s.upper().startswith('=?UTF-8?')

def bqdecode(s):
    """
    Convert UTF-8 Base64 or Quoted Printable string to str
    """
    nd = s.find('?=', 10)
    if s.upper().startswith('=?UTF-8?B?'):   # Base64
        bbb = base64.b64decode(s[10:nd])
    elif s.upper().startswith('=?UTF-8?Q?'): # Quoted Printable
        bbb = quopri.decodestring(s[10:nd])
    return bbb.decode("utf-8")

def sdecode(s):
    """
    Convert possibly multiline Base64 or Quoted Printable strings to str
    """
    outstr = ""
    if s is None:
        return outstr
    for ss in str(s).splitlines():   # split multiline strings
        sss = ss.strip()
        for sssp in sss.split(' '):   # split multiple strings
            if isbqencoded(sssp):
                outstr += bqdecode(sssp)
            else:
                outstr += sssp
            outstr+=' '
        outstr = outstr.strip()
    return outstr

INBOX = '~/temp/2020227_mbox'

print('Messages in ', INBOX)
mymail = mailbox.mbox(INBOX)
print('Values = ', mymail.values())
print('Keys = ', mymail.keys())
# print(mymail.items)
# for message in mailbox.mbox(INBOX):
for message in mymail:

#     print(message)
    subject = message['subject']
    to = message['to']
    id = message['id']
    received = message['Received']
    sender = message['from']
    ddate = message['Delivery-date']
    envelope = message['Envelope-to']


    print(sdecode(subject))
    print('To ', to)
    print('Envelope ', envelope)
    print('Received ', received)
    print('Sender ', sender)
    print('Delivery-date ', ddate)
#     print('Received ', received[1])

基于这个答案，我简化了主题解码，并得到了类似的结果。

我仍在寻找访问标头其余部分的建议 - 特别是如何访问多个“已接收：”字段。

#! /usr/bin/env python3
#import locale
#2020-09-02

"""
Extract Subject from MBOX file
"""

import os, time
import mailbox
from email.parser import BytesParser
from email.policy import default

INBOX = '~/temp/2020227_mbox'
print('Messages in ', INBOX)

mymail = mailbox.mbox(INBOX, factory=BytesParser(policy=default).parse)

for _, message in enumerate(mymail):
    print("date:  :", message['date'])
    print("to:    :", message['to'])
    print("from   :", message['from'])
    print("subject:", message['subject'])
    print('Received: ', message['received'])

    print("**************************************")
4

2 回答 2

2

电子邮件消息对象提供了一个get_all方法，该方法返回一个标头的所有实例，因此我们可以使用它来获取接收到的标头的所有值。

for header in message.get_all('received'):
    print('Received', header)

每个标头都是UnstructuredHeader的一个实例。这对于识别最早的 Received 标头不是很有帮助，因为需要对标头进行解析以提取日期以便对其进行排序。

但是，根据引用 RFC 的这个答案，收到的标头始终插入到消息的开头。状态的文档字符串EmailMessage.get_all()：

返回命名字段的所有值的列表。这些将按照它们在原始消息中出现的顺序进行排序，并且可能包含重复项。

所以最早收到的报头应该是返回的列表中的最后一个报头EmailMessage.get_all()。

于 2020-09-03T07:10:09.970 回答
0

根据snakecharmerb 的评论（现在编辑到问题中），我简化了这个过程。
最后我不需要解码received，因为Message-ID实际上是从原始接收字段中提取id 。

我列出了我最终使用的代码，以防其他人使用。此代码仅提取感兴趣的标头字段并打印它们，但完整代码对消息执行分析。

#! /usr/bin/env python3
#import locale
#2020-09-05

"""
Extract Message Header details from MBOX file
"""

import os, time
import mailbox
from email.parser import BytesParser
from email.policy import default

INBOX = '~/temp/Gmail'

print('Messages in ', INBOX)

mymail = mailbox.mbox(INBOX, factory=BytesParser(policy=default).parse)

for _, message in enumerate(mymail):
    date = message['date']
    to = message['to']
    sender = message['from']
    subject = message['subject']
    messageID = message['Message-ID']
    received = message['received']
    deliveredTo = message['Delivered-To']
    if(messageID == None): continue

    print("Date        :", date)
    print("From        :", sender)
    print("To:         :", to)
    print('Delivered-To:', deliveredTo)
    print("Subject     :", subject)
    print("Message-ID  :", messageID)
#     print('Received    :', received)

    print("**************************************")
于 2020-09-05T06:12:08.773 回答