我正在尝试将电子邮件中符合RFC 5322的“发件人:”字段解析为两部分:显示名称和电子邮件地址,在Python 2.7中(显示名称)可能是空的)。熟悉的例子就像是
John Smith <jsmith@example.org>
在上面,John Smith是显示名称,jsmith @ example.org是电子邮件地址。但以下也是一个有效的“发件人:”字段:
"unusual" <"very.(),:;<>[]\".VERY.\"very@\\ \"very\".unusual"@strange.example.com>
在此示例中,display-name的返回值为
"unusual"
和
"very.(),:;<>[]\".VERY.\"very@\\ \"very\".unusual"@strange.example.com
是电子邮件地址。
您可以使用语法在Perl中解析它(如以下问题中所述:Using a regular expression to validate an email address和The recognizing power of “modern” regexes),但我想在Python 2.7中执行此操作。我曾尝试在Python中使用email.parser模块,但该模块似乎只能分隔那些以冒号区分的字段。所以,如果你做了类似
的事情from email.parser import Parser
headers = Parser().parsestr('From: "John Smith" <jsmith@example.org>')
print headers['from']
它会返回
"John Smith" <jsmith@example.com>
如果你用
替换上面代码中的最后一行print headers['display-name']
它会返回
None
我非常感谢任何建议和意见。
答案 0 :(得分:5)
headers['display-name']
不属于email.parser
api。
尝试email.utils.parseaddr:
In [17]: email.utils.parseaddr("jsmith@example.com")
Out[17]: ('', 'jsmith@example.com')
In [18]: email.utils.parseaddr("(John Smith) jsmith@example.com")
Out[18]: ('John Smith', 'jsmith@example.com')
In [19]: email.utils.parseaddr("John Smith <jsmith@example.com>")
Out[19]: ('John Smith', 'jsmith@example.com')
它还可以处理您的异常地址:
In [21]: email.utils.parseaddr('''"unusual" <"very.(),:;<>[]\".VERY.\"very@\\ \"very\".unusual"@strange.example.com>''')
Out[21]: ('unusual', '"very.(),:;<>[]".VERY."very@ "very".unusual"@strange.example.com')
答案 1 :(得分:1)
我在C ++中用libtld编写了这样一个解析器。如果你想真正完成,有lex和yacc(虽然我不使用这些工具)。我的C++ code可以帮助你在python中编写自己的版本。
(lex part)
[-A-Za-z0-9!#$%&'*+/=?^_`{|}~]+ atom_text_repeat (ALPHA+DIGIT+some other characters)
([\x09\x0A\x0D\x20-\x27\x2A-\x5B\x5D-\x7E]|\\[\x09\x20-\x7E])+ comment_text_repeat
([\x33-\x5A\x5E-\x7E])+ domain_text_repeat
([\x21\x23-\x5B\x5D-\x7E]|\\[\x09\x20-\x7E])+ quoted_text_repeat
\x22 DQUOTE
[\x20\x09]*\x0D\x0A[\x20\x09]+ FWS
. any other character
(lex definitions merged in more complex lex definitions)
[\x01-\x08\x0B\x0C\x0E-\x1F\x7F] NO_WS_CTL
[()<>[\]:;@\\,.] specials
[\x01-\x09\x0B\x0C\x0E-\x7F] text
\\[\x09\x20-\x7E] quoted_pair ('\\' text)
[A-Za-z] ALPHA
[0-9] DIGIT
[\x20\x09] WSP
\x20 SP
\x09 HTAB
\x0D\x0A CRLF
\x0D CR
\x0A LF
(yacc part)
address_list: address
| address ',' address_list
address: mailbox
| group
mailbox_list: mailbox
| mailbox ',' mailbox_list
mailbox: name_addr
| addr_spec
group: display_name ':' mailbox_list ';' CFWS
| display_name ':' CFWS ';' CFWS
name_addr: angle_addr
| display_name angle_addr
display_name: phrase
angle_addr: CFWS '<' addr_spec '>' CFWS
addr_spec: local_part '@' domain
local_part: dot_atom
| quoted_string
domain: dot_atom
| domain_literal
domain_literal: CFWS '[' FWS domain_text_repeat FWS ']' CFWS
phrase: word
| word phrase
word: atom
| quoted_string
atom: CFWS atom_text_repeat CFWS
dot_atom: CFWS dot_atom_text CFWS
dot_atom_text: atom_text_repeat
| atom_text_repeat '.' dot_atom_text
quoted_string: CFWS DQUOTE quoted_text_repeat DQUOTE CFWS
CFWS: <empty>
| FWS comment
| CFWS comment FWS
comment: '(' comment_content ')'
comment_content: comment_text_repeat
| comment
| ccontent ccontent