Question

鉴于Python 2.6中的RFC822消息，我如何获得正确的文本/纯文本内容部分？基本上，我想要的算法是：

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

在这些事情中，我有get_mime_part和has_mime_part，但我不太确定如何从MIME部分获取解码后的文本。我可以使用get_payload()获取编码的文本，但如果我尝试使用decode方法的get_payload()参数（请参阅the doc）我当我在text / plain部分调用它时出错：

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'>

此外，我不知道如何使用HTML并尽可能地将其呈现为文本。

Answer 1

在多部分电子邮件中，email.message.Message.get_payload()会返回一个列表，其中包含每个部分的一个项目。最简单的方法是遍历消息并获取每个部分的有效负载：

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

对于非多部分消息，无需进行所有步行。无论content_type如何，您都可以直接使用get_payload（）。

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

如果内容是编码的，则需要将None作为第一个参数传递给get_payload()，然后是True（解码标志是第二个参数）。例如，假设我的电子邮件包含MS Word文档附件：

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()

至于获得HTML部分的合理纯文本近似，我发现html2text的效果非常好。

Answer 2

Flat比嵌套更好;）

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 _

Answer 3

要添加@Jarret Hardie的出色答案：

我个人喜欢将这种数据结构转换为以后可以重用的字典，因此类似这样的情况，其中content_type是键，而payload是值：

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"])

如何使用Python获取电子邮件的文本内容？

3 个答案: