Как я могу получить текст сообщения электронной почты, используя Python?

Учитывая сообщение RFC822 в Python 2.6, как я могу получить правильную часть текста/простого содержимого? В основном, алгоритм, который я хочу, заключается в следующем:

message = email.message_from_string(raw_message)
if has_mime_part(message, "text/plain"):
    mime_part = get_mime_part(message, "text/plain")
    text_content = decode_mime_part(mime_part)
elif has_mime_part(message, "text/html"):
    mime_part = get_mime_part(message, "text/html")
    html = decode_mime_part(mime_part)
    text_content = render_html_to_plaintext(html)
else:
    # fallback
    text_content = str(message)
return text_content

Из этих вещей у меня есть get_mime_part и has_mime_part, но я не совсем уверен, как получить декодированный текст из части MIME. Я могу получить закодированный текст, используя get_payload(), но если я пытаюсь использовать параметр decode метода get_payload() (см. документ), я получаю ошибку, когда вызываю его в тексте/обычная часть:

File "/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/
email/message.py", line 189, in get_payload
    raise TypeError('Expected list, got %s' % type(self._payload))
TypeError: Expected list, got <type 'str'>

Кроме того, я не знаю, как воспринимать HTML и как можно точнее отображать его в тексте.

Ответы

Ответ 1

В многостраничной электронной почте email.message.Message.get_payload() возвращает список с одним элементом для каждой части. Самый простой способ - пройти сообщение и получить полезную нагрузку на каждую часть:

import email
msg = email.message_from_string(raw_message)
for part in msg.walk():
    # each part is a either non-multipart, or another multipart message
    # that contains further parts... Message is organized like a tree
    if part.get_content_type() == 'text/plain':
        print part.get_payload() # prints the raw text

Для не-многочастного сообщения не нужно делать все хождение. Вы можете перейти прямо к get_payload(), независимо от content_type.

msg = email.message_from_string(raw_message)
msg.get_payload()

Если содержимое закодировано, вам необходимо передать None в качестве первого параметра в get_payload(), за которым следует True (флаг декодирования является вторым параметром). Например, предположим, что мое электронное письмо содержит вложение документа MS Word:

msg = email.message_from_string(raw_message)
for part in msg.walk():
    if part.get_content_type() == 'application/msword':
        name = part.get_param('name') or 'MyDoc.doc'
        f = open(name, 'wb')
        f.write(part.get_payload(None, True)) # You need None as the first param
                                              # because part.is_multipart() 
                                              # is False
        f.close()

Что касается получения разумного простого текстового приближения части HTML, я обнаружил, что html2text работает довольно хорошо.

Ответ 2

Плоский лучше, чем вложенный;)

from email.mime.multipart import MIMEMultipart
assert isinstance(msg, MIMEMultipart)

for _ in [k.get_payload() for k in msg.walk() if k.get_content_type() == 'text/plain']:
    print _

Ответ 3

Чтобы добавить @Jarret Hardie отличный ответ:

Мне лично нравится преобразовывать такие структуры данных в словарь, который я могу использовать позже, поэтому что-то вроде этого, где content_type является ключом, а payload является значением:

import email

[...]

email_message = {
    part.get_content_type(): part.get_payload()
    for part in email.message_from_bytes(raw_email).walk()
}

print(email_message["text/plain"])