如何使用Python获取电子邮件的文本内容？

Question

给定Python 2.6中的RFC822消息，如何获得 正确的 文本/纯文本内容部分？基本上，我想要的算法是这样的：

message = email.message_from_string(raw_message)
if has_mime_part(message, "text/plain"):
    mime_part = get_mime_part(message, "text/plain")
    text_content = decode_mime_part(mime_part)
elif has_mime_part(message, "text/html"):
    mime_part = get_mime_part(message, "text/html")
    html = decode_mime_part(mime_part)
    text_content = render_html_to_plaintext(html)
else:
    # fallback
    text_content = str(message)
return text_content

这些事，我get_mime_part和has_mime_part拍下来，但我不太清楚如何从MIME部分解码的文本。我可以使用来获取 编码后的
文本get_payload()，但是如果尝试使用方法的decode参数get_payload()（请参阅doc），则在text
/ plain部分调用它时会出现错误：

File

“/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/
email/message.py”, line 189, in get_payload
raise TypeError(‘Expected list, got %s’ % type(self._payload))
TypeError: Expected list, got

另外，我不知道如何获取HTML并将其尽可能地呈现为文本。

Answer 1

在多部分电子邮件中，email.message.Message.get_payload()返回一个列表，其中每个部分都有一个项目。最简单的方法是遍历消息并获取每个部分的有效负载：

import email
msg = email.message_from_string(raw_message)
for part in msg.walk():
    # each part is a either non-multipart, or another multipart message
    # that contains further parts... Message is organized like a tree
    if part.get_content_type() == 'text/plain':
        print part.get_payload() # prints the raw text

对于非多部分消息，无需进行所有遍历。无论content_type如何，您都可以直接进入get_payload（）。

msg = email.message_from_string(raw_message)
msg.get_payload()

如果内容已编码，则需要None将第一个参数传递给get_payload()，然后传递True（解码标志是第二个参数）。例如，假设我的电子邮件包含MS
Word文档附件：

msg = email.message_from_string(raw_message)
for part in msg.walk():
    if part.get_content_type() == 'application/msword':
        name = part.get_param('name') or 'MyDoc.doc'
        f = open(name, 'wb')
        f.write(part.get_payload(None, True)) # You need None as the first param
                                              # because part.is_multipart() 
                                              # is False
        f.close()

至于获得HTML部分的合理的纯文本近似，我发现html2text的效果很好。