Python: Як проаналізувати тіло з необробленої електронної пошти, враховуючи, що необроблена електронна пошта не має тегу “Body” або чогось іншого

Здається, це легко отримати

From
To
Subject

тощо через

import email
b = email.message_from_string(a)
bbb = b['from']
ccc = b['to']

припускаючи, що "a"це рядок електронної пошти, який виглядає приблизно так.

a = """From root@a1.local.tld Thu Jul 25 19:28:59 2013
Received: from a1.local.tld (localhost [127.0.0.1])
    by a1.local.tld (8.14.4/8.14.4) with ESMTP id r6Q2SxeQ003866
    for <ooo@a1.local.tld>; Thu, 25 Jul 2013 19:28:59 -0700
Received: (from root@localhost)
    by a1.local.tld (8.14.4/8.14.4/Submit) id r6Q2Sxbh003865;
    Thu, 25 Jul 2013 19:28:59 -0700
From: root@a1.local.tld
Subject: oooooooooooooooo
To: ooo@a1.local.tld
Cc: 
X-Originating-IP: 192.168.15.127
X-Mailer: Webmin 1.420
Message-Id: <1374805739.3861@a1>
Date: Thu, 25 Jul 2013 19:28:59 -0700 (PDT)
MIME-Version: 1.0
Content-Type: multipart/mixed; boundary="bound1374805739"

This is a multi-part message in MIME format.

--bound1374805739
Content-Type: text/plain
Content-Transfer-Encoding: 7bit

ooooooooooooooooooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooooooooooooooooooo
ooooooooooooooooooooooooooooooooooooooooooooooo

--bound1374805739--"""

ПИТАННЯ

як отримати Bodyцей електронний лист через python?

Поки що це єдиний код, який мені відомий, але я ще не протестував його.

if email.is_multipart():
    for part in email.get_payload():
        print part.get_payload()
else:
    print email.get_payload()

це правильний спосіб?

а може бути щось простіше, наприклад ...

import email
b = email.message_from_string(a)
bbb = b['body']

?

Використовуйте Message.get_payload

b = email.message_from_string(a)
if b.is_multipart():
    for payload in b.get_payload():
        # if payload.is_multipart(): ...
        print payload.get_payload()
else:
    print b.get_payload()

Щоб бути дуже позитивним, ви працюєте з фактичним тілом електронної пошти (проте, все-таки з можливістю не проаналізувати потрібну частину), вам потрібно пропустити вкладення та зосередитись на звичайній або html-частині (залежно від ваших потреб) для подальшого обробка.

Оскільки вищезазначені вкладення можуть і дуже часто є частиною text / plain або text / html, цей непулений зразок пропускає їх, перевіряючи заголовок вмісту:

b = email.message_from_string(a)
body = ""

if b.is_multipart():
    for part in b.walk():
        ctype = part.get_content_type()
        cdispo = str(part.get('Content-Disposition'))

        # skip any text/plain (txt) attachments
        if ctype == 'text/plain' and 'attachment' not in cdispo:
            body = part.get_payload(decode=True)  # decode
            break
# not multipart - i.e. plain text, no attachments, keeping fingers crossed
else:
    body = b.get_payload(decode=True)

До речі, він walk()чудово переглядає частини mime і get_payload(decode=True)робить за вас брудну роботу з декодування base64 тощо.

Деякі передумови - як я мав на увазі, дивовижний світ електронних листів MIME представляє безліч підводних каменів, пов’язаних із “помилковим” пошуком тіла повідомлення. У найпростішому випадку це у єдиній частині "text / plain", і get_payload () дуже спокусливий, але ми живемо не в простому світі - він часто оточений багаточастинним / альтернативним, пов'язаним, змішаним тощо. Вікіпедія це чітко описує - MIME , але враховуючи всі ці випадки нижче, є дійсними - і загальними - слід враховувати захисні мережі навколо:

Дуже поширене - майже те, що ви отримуєте в звичайному редакторі (Gmail, Outlook), надсилаючи відформатований текст із вкладенням:

multipart/mixed
 |
 +- multipart/related
 |   |
 |   +- multipart/alternative
 |   |   |
 |   |   +- text/plain
 |   |   +- text/html
 |   |      
 |   +- image/png
 |
 +-- application/msexcel

Відносно просто - просто альтернативне представлення:

multipart/alternative
 |
 +- text/plain
 +- text/html

Для хорошого чи поганого ця структура також діє:

multipart/alternative
 |
 +- text/plain
 +- multipart/related
      |
      +- text/html
      +- image/jpeg

Сподіваюся, це трохи допоможе.

PS Я маю на увазі не підходити до електронної пошти легковажно - вона кусається тоді, коли ви цього найменше очікуєте :)

Існує дуже хороший пакет для аналізу вмісту електронної пошти з відповідною документацією.

import mailparser

mail = mailparser.parse_from_file(f)
mail = mailparser.parse_from_file_obj(fp)
mail = mailparser.parse_from_string(raw_mail)
mail = mailparser.parse_from_bytes(byte_mail)

Як користуватись:

mail.attachments: list of all attachments
mail.body
mail.to

Python 3.6+ пропонує вбудовані зручні методи пошуку та декодування звичайного текстового тіла, як у @Todor Minakovвідповіді. Ви можете використовувати методи EMailMessage.get_body()і get_content():

msg = email.message_from_string(s, policy=email.policy.default)
body = msg.get_body(('plain',))
if body:
    body = body.get_content()
print(body)

Зауважте, це дасть None якщо відсутня (очевидна) частина основного тексту.

Якщо ви читаєте, наприклад, файл mbox, ви можете надати конструктору поштової скриньки EmailMessageзавод:

mbox = mailbox.mbox(mboxfile, factory=lambda f: email.message_from_binary_file(f, policy=email.policy.default), create=False)
for msg in mbox:
    ...

Зверніть увагу, що ви повинні перейти email.policy.defaultяк правило, оскільки це не за замовчуванням ...

У b['body']python немає . Ви повинні використовувати get_payload.

if isinstance(mailEntity.get_payload(), list):
    for eachPayload in mailEntity.get_payload():
        ...do things you want...
        ...real mail body is in eachPayload.get_payload()...
else:
    ...means there is only text/plain part....
    ...use mailEntity.get_payload() to get the body...

Щасти.

Якщо електронна пошта - це фрейм даних pandas, а emails.message - повідомлення у стовпці для тексту електронної пошти

## Helper functions
def get_text_from_email(msg):
    '''To get the content from email objects'''
    parts = []
    for part in msg.walk():
        if part.get_content_type() == 'text/plain':
            parts.append( part.get_payload() )
    return ''.join(parts)

def split_email_addresses(line):
    '''To separate multiple email addresses'''
    if line:
        addrs = line.split(',')
        addrs = frozenset(map(lambda x: x.strip(), addrs))
    else:
        addrs = None
    return addrs 

import email
# Parse the emails into a list email objects
messages = list(map(email.message_from_string, emails['message']))
emails.drop('message', axis=1, inplace=True)
# Get fields from parsed email objects
keys = messages[0].keys()
for key in keys:
    emails[key] = [doc[key] for doc in messages]
# Parse content from emails
emails['content'] = list(map(get_text_from_email, messages))
# Split multiple email addresses
emails['From'] = emails['From'].map(split_email_addresses)
emails['To'] = emails['To'].map(split_email_addresses)

# Extract the root of 'file' as 'user'
emails['user'] = emails['file'].map(lambda x:x.split('/')[0])
del messages

emails.head()

Ось код, який працює для мене щоразу (для електронних листів Outlook):

#to read Subjects and Body of email in a folder (or subfolder)

import win32com.client  
#import package

outlook = win32com.client.Dispatch("Outlook.Application").GetNamespace("MAPI")  
#create object

#get to the desired folder (MyEmail@xyz.com is my root folder)

root_folder = 
outlook.Folders['MyEmail@xyz.com'].Folders['Inbox'].Folders['SubFolderName']

#('Inbox' and 'SubFolderName' are the subfolders)

messages = root_folder.Items

for message in messages:
if message.Unread == True:    # gets only 'Unread' emails
    subject_content = message.subject
# to store subject lines of mails

    body_content = message.body
# to store Body of mails

    print(subject_content)
    print(body_content)

    message.Unread = True         # mark the mail as 'Read'
    message = messages.GetNext()  #iterate over mails