如何使用python获取电子邮件的文本内容？

Question

在Python 2.6中给出了一个RFC822消息，我如何才能获得正确的文本/纯文本内容部分？基本上，该算法我想是这样的：

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 

这些东西，我有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get_payload()的编码文本，但如果我尝试使用get_payload()方法的decode参数（见the doc）我得到一个错误，当我把它的纯文本/部分：

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 <type 'str'> 

另外，我不知道如何将HTML呈现得尽可能接近文本。

Answer 1

在多部分电子邮件中，email.message.Message.get_payload()会为每个零件返回一个包含一个项目的列表。最简单的方法是走的消息，并得到各部分有效载荷：

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 

对于非多的消息，没有必要做所有的步行。无论content_type如何，您都可以直接转到get_payload（）。

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

如果该内容被编码，则需要通过None作为第一个参数，以get_payload()，随后真（解码标记是第二个参数）。例如，假设我的电子邮件中包含的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() 

至于得到一个HTML部分的合理纯文本逼近，我发现html2text作品相当不错的好。

Answer 2

扁平比嵌套好;）

from email.mime.multipart import MIMEMultipart 
assert isinstance(msg, MIMEMultipart) 

for _ in [k.get_payload() for k in msg.walk() if k.get_content_type() == 'text/plain']: 
    print _