Question

我尝试从文件中读取电子邮件，如下所示：

import email
with open("xxx.eml") as f:
   msg = email.message_from_file(f)

我收到此错误：

Traceback (most recent call last):
  File "I:\fakt\real\maildecode.py", line 53, in <module>
    main()
  File "I:\fakt\real\maildecode.py", line 50, in main
    decode_file(infile, outfile)
  File "I:\fakt\real\maildecode.py", line 30, in decode_file
    msg = email.message_from_file(f)  #, policy=mypol
  File "C:\Python33\lib\email\__init__.py", line 56, in message_from_file
    return Parser(*args, **kws).parse(fp)
  File "C:\Python33\lib\email\parser.py", line 55, in parse
    data = fp.read(8192)
  File "C:\Python33\lib\encodings\cp1252.py", line 23, in decode
    return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x81 in position 1920: character maps to <undefined>

该文件包含多部分电子邮件，其中部件以UTF-8编码。文件的内容或编码可能会被破坏，但无论如何我都必须处理它。

如果文件有Unicode错误，我该怎么读？我找不到策略对象compat32，似乎无法处理异常，让Python继续发生异常。

我该怎么办？

Answer 1

我无法测试你的消息，所以我不知道这是否真的有效，但你可以自己做字符串解码：

with open("xxx.eml", encoding='utf-8', errors='replace') as f:
    text = f.read()
    msg = email.message_from_string(f)

如果消息实际上不是UTF-8，那将会为你提供大量的替换字符。但是如果它中有\x81，那么UTF-8就是我的猜测。

Answer 2

要在Python 3中解析没有unicode错误的电子邮件，请以二进制模式读取文件并使用email.message_from_binary_file(f)（或email.message_from_bytes(f.read())）方法解析内容（请参阅documentation of the email.parser module ）。

以下是以与Python 2和3兼容的方式解析消息的代码：

import email
with open("xxx.eml", "rb") as f:
    try:
        msg = email.message_from_binary_file(f)  # Python 3
    except AttributeError:
        msg = email.message_from_file(f)  # Python 2

（使用Python 2.7.13和Python 3.6.0测试）

Answer 3

with open('email.txt','rb') as f:
     ascii_txt = f.read().encode('ascii','backslashreplace')

with open('email.txt','w') as f:
     f.write(ascii_text)

#now do your processing stuff

我怀疑这是处理这个问题的最佳方法......但至少它是一种方式...

Answer 4

一种适用于python 3的方法，它可以找到编码并重新加载正确的编码。

msg=email.message_from_file(open('file.eml',  errors='replace'))
codes=[x for x in msg.get_charsets() if x!=None]
if len(codes)>=1 : 
    msg=email.message_from_file(open('file.eml', encoding=codes[0]))

我尝试使用msg.get_charset()，但有时会回复None，而另一种编码可用，因此稍微涉及编码检测

如何在Email包中处理Python 3.x UnicodeDecodeError？

4 个答案: