Question

我想获取电子邮件正文，但不是html格式。我用过Beautifulsoup和 data = re.sub（r'＆lt;。*？＆gt;'，''，html2）删除html标签，但它无法正常工作我无法接收电子邮件给申请人

def message_new(self, cr, uid, msg, custom_values=None, context=None):
""" Overrides mail_thread message_new that is called by the mailgateway
    through message_process.
    This override updates the document according to the email.
"""
if custom_values is None:
    custom_values = {}
val = msg.get('from').split('<')[0]
val1 = msg.get('from').split('<')[1]
val2 = val1.split('>')[0]
myString2 = msg.get('body') if msg.get('body') else ''
soup = BeautifulSoup(myString2)
data = soup.get_text()
defaults = {
    'name': msg.get('subject') or _("No Subject"),
    'partner_name': val,
    'email_from': val2,
    'email_cc': msg.get('cc'),
    'user_id': False,
    'partner_id': msg.get('author_id', False),
    'description': data,
}
if msg.get('priority'):
    defaults['priority'] = msg.get('priority')
defaults.update(custom_values)
return super(hr_applicant, self).message_new(cr, uid, msg,custom_values=defaults, context=context)

Answer 1

我一直在使用HTMLParser并取得了相同的成功：剥离HTML标记但保留数据。

from HTMLParser import HTMLParser

class MLStripper(HTMLParser):
    def __init__(self):
        self.reset()
        self.fed = []
    def handle_data(self, d):
        self.fed.append(d)
    def get_data(self):
        return ''.join(self.fed)

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

strip_tags需要一个包含HTML内容的字符串。

Answer 2

请尝试重新使用python库从文本中删除html标签。

  import re
  text = re.compile('<.*?>')
  message = re.sub(text, '', self.body)

从html邮件odoo中提取文本

2 个答案: