Question

我写了一些Python代码来从Gmail服务器获取电子邮件。以下是代码：

self.M = imaplib.IMAP4_SSL(self.IMAP_SERVER, self.IMAP_PORT)
data = self.M.fetch(id,"(RFC822)")
if data[0] == 'OK':
    msg = email.message_from_string(data[1][0][1])
else:
    print 'Error!'
mail_subject = email.Header.decode_header(msg['subject'])[0][0]
print email.Header.decode_header(msg['subject'])
print '~~~separator~~~'
print mail_subject

英文邮件主题正确显示：

[('[bonnshore.github.com] Page build successful', None)]

~~~separator~~~

[bonnshore.github.com] Page build successful

但是在中文之后：

[('\xd5\xe2\xca\xc7\xd6\xd0\xce\xc4\xb2\xe2\xca\xd4\xa3\xa1', 'gb2312')]

~~~separator~~~

╒Γ╩╟╓╨╬─▓Γ╩╘úí

函数isinstance（）显示字符的类型是'str'，所以我试着用它来解决它：

print unicode(mail_subject, 'gb2312')

并发生错误：

File "C:\Python27\lib\encodings\cp437.py", line 12, in encode
return codecs.charmap_encode(input,errors,encoding_map)
UnicodeEncodeError: 'charmap' codec can't encode characters in position 0-6:
character maps to <undefined>

我也试着直接解码这个角色：

print mail_subject.decode("gb2312")

我再次遇到同样的错误！

那么，如何解决这个问题呢？

非常感谢！：）

Answer 1

您的第一次尝试显示为mojibake，因为您正在将原始gb2312打印到非gb2312控制台。 decode_header执行作业的第一部分，即将看起来像=?iso-8859-1?q?p=F6stal?=的标题转换为可以向用户显示的标题。由于相同的标头可以包含多个字符集，因此您获得的是（raw_data，charset）对的列表。

你应该使用Unicode构造函数将它们转换为Unicode - 然后转换为UTF-8或任何适合您需要的东西 - 正如您所猜测的那样。但是你的第二次尝试失败了，因为代码页437无法显示中文。您的第三个问题来自于对decode和encode工作方向的误解。 unicode字符串被“编码”为外部编码。（但即使成功了，你仍然会回到你的终端打印gb2312的原始mojibake。）

要测试结果，您需要正确创建Unicode字符串并检查它或使用正确的编码将其打印到文件。例如：

>>> x = unicode('\xd5\xe2\xca\xc7\xd6\xd0\xce\xc4\xb2\xe2\xca\xd4\xa3\xa1', 'gb2312')
>>> import unicodedata
>>> map(unicodedata.name, x)  # see if it looks chinese
['CJK UNIFIED IDEOGRAPH-8FD9', 'CJK UNIFIED IDEOGRAPH-662F', 'CJK UNIFIED IDEOGRAPH-4E2D', 'CJK UNIFIED IDEOGRAPH-6587', 'CJK UNIFIED IDEOGRAPH-6D4B', 'CJK UNIFIED IDEOGRAPH-8BD5', 'FULLWIDTH EXCLAMATION MARK']
>>> print x                   # this works for me because I'm in a UTF-8 locale
这是中文测试！

您可以这样做来测试它是否适合您：

>>> with open('file.txt', 'w') as f:
...   f.write(x.encode('utf-8'))

最后，请注意，使decode_header返回第一个项目不足以获得标题的整个值，因为它可以拆分为多个块。您需要将块加入单个Unicode字符串，最好通过组合make_header实用程序函数和unicode构造函数来完成：

subject_header = msg['subject']
subject = unicode(email.header.make_header(email.header.decode_header(subject_header))
# now proceed as before...

必须致电make_header和decode_header，这是违反直觉的，但那是当前的API，fixed in Python 3。

Python解析中文电子邮件解码错误

1 个答案: