从电子邮件线程中删除，到cc

Question

我正在尝试使用python中的nltk库从电子邮件中过滤/删除“from：”，“to：”，“cc：”。 有没有办法做到这一点。 PS：我是python的新手

这是邮件的主题

你好，

一些文字

谢谢，

姓名和详情

姓名和详情

From：xxx //这里我不想读这个字段

发送时间：2016年3月24日星期四上午11:20 //这里我不想读这个字段

收件人：yyy.com //这里我不想读这个字段

主题：一些文字

你好，

一些文字

谢谢！

姓名和详情

来自：某个名字//这里我不想读这个字段

发送时间：2016年3月4日星期五下午2:40 //这里我不想读这个字段

收件人：yyy.com //这里我不想读这个字段

主题：一些文字

嘿，

一些文字

Answer 1

使用Python 3.5+，这非常简单。

from email import message_from_file  # or message_from_bytes if you want that

with open(filename) as fh:
    msg = message_from_file(fh)
del msg['from'], msg['to'], msg['cc']
back_to_bytes = msg.as_bytes()

这将简单地删除标题行，就好像它们从未存在过一样。特别是删除From:标题是有问题的，但如果您不将结果消息反馈给实际处理电子邮件的任何内容，那应该不是问题。

NLTK没有任何关于电子邮件的内容，事实上，在您尝试使用NLTK处理正文部分之前，您可能需要了解有关电子邮件的更多信息。特别是，您应该了解multipart/alternative消息部分的工作方式 - 您应该选择其中一个，并且可能通过某种格式化过滤器运行它（如果您选择HTML部分，则为HTML到文本，如果有的话，例如 - 如今许多邮件程序提供text/plain部分，只需点击一个网址，其中实际内容在链接末尾以HTML格式显示。