Question

我有兴趣知道是否有任何开源项目（最好是Python）可以用来下载（抓取？）Lucene / Hadoop等开源项目的邮件列表档案（例如{{3} }）。我特地寻找为（Apache）邮件列表存档（不是像Scrappy这样的通用爬虫）定制的爬虫/下载器。任何指针都非常感谢。谢谢。

Answer 1

通常有下载mbox文件的工具。在您提供的链接中，您可以例如附加mbox名称并直接获取邮件存档。例如，2012年10月的mbox：

因此以编程方式获取档案非常简单。一旦你拥有它们：

import mailbox
mails = mailbox.mbox(filename.mbox)
for message in mails: print message['subject']