MIME消息结构解析和分析

Question

我正在寻找现有的库或代码示例，从mime消息结构中提取相关部分，以便对这些部分的文本内容进行分析。

我会解释：

我正在编写一个库（在Python中），它是需要通过IMAP迭代大量电子邮件的项目的一部分。对于每条消息，它需要确定需要哪些mime部分才能分析需要最少解析的消息的文本内容（例如，更喜欢text / plain over text / html或rich text）并且不需要重复（即如果text / plain存在，则忽略匹配的text / html）。它还需要解决嵌套部分（文本附件，转发消息等）以及所有这些，而无需下载整个消息体（占用太多时间和带宽）。最终目标是稍后检索那些部分，以便对这些消息的文本内容执行某些统计和模式分析（不包括任何标记，元数据，二进制数据等）。

我见过的库和示例需要完整的消息体，以便组装消息结构并理解消息的内容。我试图使用IMAP FETCH命令与BODYSTRUCTURE数据项的响应来实现这一点。

BODYSTRUCTURE应该包含足够的信息来实现我的目标，但是虽然结构和返回的数据在相关的RFC（3501,2822,2045）中正式记录，但是嵌套，组合和各种怪癖的数量都加起来以完成任务非常乏味和错误修剪。

有没有人知道任何可以帮助实现此代码或任何代码示例的库（最好是在Python中，但任何语言都可以）？

Answer 1

模块电子邮件和子模块email.mime有什么不能做的吗？

http://docs.python.org/library/email.html#module-email

Answer 2

为了完整起见而回答我自己的问题并关闭这个问题。

我找不到任何符合要求的现有库。我最终编写了自己的代码来获取BODYSTRUCTURE树，解析它并将其存储在内部结构中。这给了我控制，我需要决定我需要实际下载哪些消息的确切部分，并考虑各种情况，如附件，转发，冗余部分（纯文本与HTML）等。