解碼郵件
python自帶的email模塊是個很有意思的東西，它可以對郵件編碼解碼，用來處理郵件非常好用。
處理郵件是一個很細致的工作，尤其是解碼郵件，因為它的格式變化太多了，下面先看看一個郵件的源文件：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
Received: from 192.168.208.56 ( 192.168.208.56 [192.168.208.56] ) byajax-webmail-wmsvr37 (Coremail) ; Thu, 12 Apr 2007 12:07:48 +0800 (CST)Date: Thu, 12 Apr 2007 12:07:48 +0800 (CST)From: user1 <[email protected]>To: zhaowei <[email protected]>Message-ID: <[email protected]>Subject: =?gbk?B?u+nJtA==?=MIME-Version: 1.0Content-Type: multipart/Alternative; boundary="----=_Part_21696_28113972.1176350868319"------=_Part_21696_28113972.1176350868319Content-Type: text/plain; charset=gbkContent-Transfer-Encoding: base64ztLS0b+qyrzS1M6qysfSu7j20MfG2ru70ru0zqOs1K3AtMrH0ru49tTCtffSu7TOztLDx8/W1NrTprjDysew67XjssXE3MjI1ebC6bezICAg------=_Part_21696_28113972.1176350868319Content-Type: text/html; charset=gbkContent-Transfer-Encoding: quoted-printable<DIV>=CE=D2=D2=D1=BF=AA=CA=BC=D2=D4=CE=AA=CA=C7=D2=BB=B8=F6=D0=C7=C6=DA=BB==BB=D2=BB=B4=CE=A3=AC=D4=AD=C0=B4=CA=C7=D2=BB=B8=F6=D4=C2=B5=F7=D2=BB=B4=CE=</DIV><DIV>=CE=D2=C3=C7=CF=D6=D4=DA=D3=A6=B8=C3=CA=C7=B0=EB=B5=E3=B2=C5=C4=DC=C8==C8</DIV><DIV>=D5=E6=C2=E9=B7=B3</DIV>------=_Part_21696_28113972.1176350868319-- |
上面的就是以封郵件的源文件，從第一行到第一個空行之間的為信件頭，后面的就是信件體了。把上面的信息復制下來存到一個叫xxx.eml的文件里，用鼠標雙擊就可以看到內容，當然看到的是解碼后的，是outlook幫你解碼了。
看看email模塊怎么處理這個郵件，假設信件已經存為xxx.eml。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
#-*- encoding: gb2312 -*-import emailfp = open("xxx.eml", "r")msg = email.message_from_file(fp) # 直接文件創建message對象，這個時候也會做初步的解碼subject = msg.get("subject") # 取信件頭里的subject, 也就是主題# 下面的三行代碼只是為了解碼象=?gbk?Q?=CF=E0=C6=AC?=這樣的subjecth = email.Header.Header(subject)dh = email.Header.decode_header(h)subject = dh[0][0]print "subject:", subjectprint "from: ", email.utils.parseaddr(msg.get("from"))[1] # 取fromprint "to: ", email.utils.parseaddr(msg.get("to"))[1] # 取tofp.close() |
這段代碼可以把一封郵件中的主題、發件人、收件人解析出來。email.utils.parseaddr是用來專門解析郵件地址的，原因是郵件地址很多時候在原文里是這樣寫的：user1 <[email protected]>, email.utils.parseaddr就可以把它解析為一個列表，第一項是user1, 第二項是[email protected], 這里只顯示了后面以部分。
前面那段代碼只是解析了信件頭，接著解析信件體吧。信體里可能有純文本的plain和html兩部分,也可能有附件。這里需要mime的知識，詳細介紹可以從網上搜搜。我這里就不說了，下面看看怎么解析的：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
#-*- encoding: gb2312 -*-import emailfp = open("xxx.eml", "r")msg = email.message_from_file(fp)# 循環信件中的每一個mime的數據塊for par in msg.walk(): if not par.is_multipart(): # 這里要判斷是否是multipart，是的話，里面的數據是無用的，至于為什么可以了解mime相關知識。 name = par.get_param("name") #如果是附件，這里就會取出附件的文件名 if name: #有附件 # 下面的三行代碼只是為了解碼象=?gbk?Q?=CF=E0=C6=AC.rar?=這樣的文件名 h = email.Header.Header(name) dh = email.Header.decode_header(h) fname = dh[0][0] print '附件名:', fname data = par.get_payload(decode=True) # 解碼出附件數據，然后存儲到文件中 try: f = open(fname, 'wb') #注意一定要用wb來打開文件，因為附件一般都是二進制文件 except: print '附件名有非法字符，自動換一個' f = open('aaaa', 'wb') f.write(data) f.close() else: #不是附件，是文本內容 print par.get_payload(decode=True) # 解碼出文本內容，直接輸出來就可以了。 print '+'*60 # 用來區別各個部分的輸出 |
簡單吧，并沒有多少代碼就可以實現復雜的解析郵件的功能！
編碼郵件
用email模塊來生成郵件也是很簡單的，只是需要一些mime的基礎知識。下面看看一點mime基礎。
MIME消息由消息頭和消息體兩大部分組成，在郵件里就是郵件頭和郵件體。郵件頭與郵件體之間以空行進行分隔。這點可以用文本編輯器（比如記事本）查看一個郵件的源文件就可以清除看到。outlook和foxmail自己就有查看源文件的功能。
郵件頭包含了發件人、收件人、主題、時間、MIME版本、郵件內容的類型等重要信息。每條信息稱為一個域，由域名后加“: ”和信息內容構成，可以是一行，較長的也可以占用多行。域的首行必須“頂頭”寫，即左邊不能有空白字符（空格和制表符）；續行則必須以空白字符打頭，且第一個空白字符不是信息本身固有的。
郵件體包含郵件的內容，它的類型由郵件頭的“Content-Type”域指出。最常見的類型有text/plain(純文本)和text/html(超文本)。郵件體被分為多個段，每個段又包含段頭和段體兩部分，這兩部分之間也以空行分隔。常見的multipart類型有三種：multipart/mixed, multipart/related和multipart/alternative。從它們的名稱，不難推知這些類型各自的含義和用處。
如果在郵件中要添加附件，必須定義multipart/mixed段；如果存在內嵌資源，至少要定義 multipart/related段；如果純文本與超文本共存，至少要定義multipart/alternative段。生成郵件就是要生成這各個MIME部分。email模塊對這些處理都是包裝好的，看看生成方法：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
|
#-*- encoding: gb2312 -*-import emailimport string, sys, os, emailimport timeclass MailCreator: def __init__(self): # 創建郵件的message對象 self.msg = email.Message.Message() self.mail = "" def create(self, mailheader, maildata, mailattachlist=[]): # mailheader 是dict類型，maildata是list, 且里面第一項為純文本類型，第二項為html. # mailattachlist 是list, 里面為附件文件名 if not mailheader or not maildata: return for k in mailheader.keys(): # 對subject要作特殊處理，中文要轉換一下。 # 比如 "我的一個測試郵件" 就要轉換為 =?gb2312?b?ztK1xNK7uPay4srU08q8/g==?= if k == 'subject': self.msg[k] = email.Header.Header(mailheader[k], 'gb2312') else: self.msg[k] = mailheader[k] # 創建純文本部分 body_plain = email.MIMEText.MIMEText(maildata[0], _subtype='plain', _charset='gb2312') body_html = None # 創建html部分，這個是可選的 if maildata[1]: body_html = email.MIMEText.MIMEText(maildata[1], _subtype='html', _charset='gb2312') # 創建一個multipart, 然后把前面的文本部分和html部分都附加到上面，至于為什么，可以看看mime相關內容 attach=email.MIMEMultipart.MIMEMultipart() attach.attach(body_plain) if body_html: attach.attach(body_html) # 處理每一個附件 for fname in mailattachlist: attachment=email.MIMEText.MIMEText(email.Encoders._bencode(open(fname,'rb').read())) # 這里設置文件類型，全部都設置為Application.當然也可以是Image,Audio什么的，這里不管那么多 attachment.replace_header('Content-type','Application/octet-stream;name="'+os.path.basename(fname)+'"') # 一定要把傳輸編碼設置為base64,因為這里默認就是用的base64 attachment.replace_header('Content-Transfer-Encoding', 'base64') attachment.add_header('Content-Disposition','attachment;filename="'+os.path.basename(fname)+'"') attach.attach(attachment) # 生成最終的郵件 self.mail = self.msg.as_string()[:-1] + attach.as_string() return self.mailif __name__ == '__main__': mc = MailCreator() data = ['plain text information', '<font color="red">html text information</font>'] if sys.platform == 'win32': attach = ['c:/windows/clock.avi'] else: attach = ['/bin/cp'] mail = mc.create(header, data, attach) f = open("test.eml", "wb") f.write(mail) f.close() |
這里我自己封裝了一個類來做處理，大體的過程就是：
1. 先創建message對象： email.Message.Message()
2. 創建MIMEMultipart對象：email.MIMEMultipart.MIMEMultipart()
3. 創建各個MIMEText對象，并把他們attach到MIMEMultipart里,這里的MIMEText其實不僅僅是text, 也包括image, application, audio等等。
4. 生成最終郵件。
