Question

我正在尝试解码我在IMAP服务器上发送的电子邮件的html附件文件。如果html文件包含普通字符，那么它的工作没有问题，但是如果你有一些法语é字符，我就会这样："vous a \xc3\xa9t\xc3\xa9 envoy\xc3\xa9e par" 我也出现了所有\n \r。

我使用beautifulsoup对html代码进行搜索。我还使用循环来检查所有邮件（此代码中不存在）

imap_server = imaplib.IMAP4_SSL("server",993)
imap_server.login(username, password)
imap_server.select("test")
result, data = imap_server.uid('search', None, "UnSeen")
latest_email_uid = data[0].split()[-1]
result, data = imap_server.uid('fetch', latest_email_uid, '(RFC822)')
raw_email = data[0][1]
raw_email=str(raw_email, 'UTF8')
msg = email.message_from_string(raw_email)

我走进邮件，如果我找到一些HTML，我从base64解码并发送给beautifulsoup。之后我用utf-8转换打印它。如果我用latin-1替换encode。（'utf-8'）我也有特殊字符。

if msg.is_multipart(): 
    for part in msg.walk():
        if part.get_content_type() == 'text/html':
            attachment= (part.get_payload(decode=1))
            soup=BeautifulSoup(attachment)
            print (soup.prettify().encode('utf-8'))
        else:
            print ("No HTML")

我尝试编码，解码很多字符集而没有一些好东西。我也尝试使用base64.b64decode(text).decode('utf-16')，但仍然使用相同的\xc3\xa9

Answer 1

您会看到特殊字符，因为您正在编码为UTF-8或Latin-1：

>>> print('\xe9')
é
>>> print('\xe9'.encode('utf8'))
b'\xc3\xa9'
>>> print('\xe9'.encode('latin1'))
b'\xe9'
>>> print('Hello world!\n'.encode('utf8'))
b'Hello world!\n'

当打印字节文字时，Python显示值的repr()表示，它替换不表示具有\x..转义序列的可打印ASCII码点的任何字节;有些被替换为较短的双字符转义符，例如\r和\n。这使得该表示既可以作为Python字节文字重用，也可以更容易地记录到未设置为国际字符集的文件和终端。

print()为您处理编码。只需直接打印.prettify()输出。

如果将Unicode打印到终端或控制台不起作用，而是引发UnicodeDecodeError，则终端或控制台未配置为正确处理Unicode文本。请咨询PrintFail Python Wiki page进行问题排查。

Python在html电子邮件附件中解码法语字符

1 个答案: