来自 jython 中解析的电子邮件对象的电子邮件正文

Question

我有一个对象。

    fp = open(self.currentEmailPath, "rb")
    p = email.Parser.Parser()
    self._currentEmailParsedInstance= p.parse(fp)
    fp.close()

self.currentEmailParsedInstance，从这个对象我想获取电子邮件的正文，只有文本没有 HTML...

我该怎么做？

---

像这样的东西？

        newmsg=self._currentEmailParsedInstance.get_payload()
        body=newmsg[0].get_content....?

然后从正文中剥离 html。 那是什么......返回实际文本的方法......也许我误解了你的

        msg=self._currentEmailParsedInstance.get_payload()
        print type(msg)

输出=类型“列表”

---

电子邮件

返回路径：
收到：来自 xx.xx.net（示例），作者：mxx3.xx.net (xxx)
[电子邮件受保护] 的 id 485EF65F08EDX5E12； 2008 年 10 月 23 日星期四 06:07:51 +0200
已收到：来自 xxxxx2 (ccc)，通过 example.net (ccc)（验证为 [电子邮件受保护] ]) id 48798D4001146189 for [电子邮件受保护]； 2008 年 10 月 23 日星期四 06:07:51 +0200
来自：“示例”
致：
主题：固件：示例 日期：2008 年 10 月 23 日星期四 12:07:45 +0800
组织：示例 消息 ID：<001601c934c4$xxxx30$a9ff460a@xxx>
MIME 版本：1.0
内容类型：多部分/混合；
边界=“----=_NextPart_000_0017_01C93507.F6F64E30”
X-Mailer：Microsoft Office Outlook 11
X-MimeOLE：微软出品 MimeOLE V6.00.2900.3138
线程索引：Ack0wLaumqgZo1oXSBuIpUCEg/wfOAABAFEA

这是 MIME 格式的多部分消息。

------=_NextPart_000_0017_01C93507.F6F64E30
内容类型：多部分/替代；
边界=“----=_NextPart_001_0018_01C93507.F6F64E30”

------=_NextPart_001_0018_01C93507.F6F64E30
内容类型：文本/纯文本；
字符集=“us-ascii”
内容传输编码：7 位

来自：example.example[mailto:[电子邮件受保护]< /a>]
发送时间：2008 年 10 月 23 日星期四上午 11:37
收件人：[电子邮件受保护]
主题：例如S/I(B/L
编号：4357-0120-810.044）

请参阅附件中的示例.doc），

谢谢。

B.rgds，

xxx xxx

------=_NextPart_001_0018_01C93507.F6F64E30
内容类型：text/html;
字符集=“us-ascii”
内容传输编码：引用可打印

xmlns:o=3D"urn:schemas-microsoft-com:office:office" =
xmlns:w=3D"urn:schemas-microsoft-com:office:word" =
xmlns:st1=3D"urn:schemas-microsoft-com:office:smarttags" =
xmlns=3D"http://www.w3.org/TR/REC-html40“>

HTML 内容直到

------=_NextPart_001_0018_01C93507.F6F64E30--

------=_NextPart_000_0017_01C93507.F6F64E30
内容类型：application/msword;
名称=“xxxx.doc”
内容传输编码：base64
内容处置：附件；
文件名=“xxxx.doc”

0M8R4KGxGuEAAAAAAAAAAAAAAAAAAAAPgADAP7/CQAGAAAAAAAAAAAAAABAAAAYAAAAAAAAAAA EAAAYgAAAAAAAAD+////AAAAAF8AAAD/////////////////////////////////////////////// / /////////////////////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////////////////////// ////////////////////////////////////////////////////////////////// PCEAI2AJBAAA+FK/AAAAAAAAEAAAAAAABgAAAnEIAAA4AYmpiaqEVoRUAAAAAAAAAAAAAAAAAAAAA AAAECBYAMlAAAMN/AADDfwAAQQ4AAAAAAAAAPAAAAAAAAAAAAAAAAAAAAAAAAAAAAD//w8AAAAA AAAAAAD//w8AAAAAAAAAAD//w8AAAAAAAAAAAAAAAAAAAKQAAAAAAEYEAAAAAAAARgQAAEYE AAAAAARgQAAAAAAABGBAAAAAAAAEYEAAAAAAAARgQAABQAAAAAAAAAAAAAAFoEAAAAAAAAA4hsA AAAAAADiGwAAAAAAAOIbAAA4AAAAGhwAAHwAAACWHAAARAAAAFoEAAAAAAAABzcAAEgBAADmHAAA FgAAAPwcAAAAAAAA/BwAAAAAAAD8HAAAAAAAAPwcAAAAAAAA/BwAAAAAAAD8HAAAAAAAAPwcAAAA AAAAMjYAAAIAAAA0NgAAAAAAADQ2AAAAAAAANDYAAAAAAAA0NgAAAAAAADQ2AAAAAAAANDYAACQA AABPOAAAaAIAALc6AACOAAAWWDYAAGkAAAAAAAAAAAAAAAAAAAAAARgQAAAAAAABHLAAAAAAA AAAAAAAAAAAAAAAAAAAAAAD8HAAAAAAAAPwcAAAAAAAARywAAAAAAABHLAAAAAAAAFg2AAAAAAAA

------=_NextPart_000_0017_01C93507.F6F64E30--

---

我只想获取：

来自： xxxx.xxxx [mailto:[电子邮件受保护]]
发送时间：2008 年 10 月 23 日星期四上午 11:37
收件人：[电子邮件受保护]
主题： xxxxx 的 S/I（提单
编号：4357-0120-810.044）

请找到附件中的xxxx.doc），

谢谢。

B.rgds，

xxx xxx

---

不确定邮件是否格式错误！ 似乎如果你得到一个 html 页面，你必须这样做：

        parts=self._currentEmailParsedInstance.get_payload()
        print parts[0].get_content_type()
        ..._multipart/alternative_
        textParts=parts[0].get_payload()
        print textParts[0].get_content_type()
        ..._text/plain_
        body=textParts[0].get_payload()
        print body
        ...get the text without a problem!!

非常感谢 Vinko。

所以它有点像处理 xml，本质上是递归的。

Answer 1

这将为您提供消息的内容

self.currentEmailParsedInstance.get_payload()

至于纯文本部分，您必须自己剥离 HTML，例如使用 BeautifulSoup。

检查此链接了解有关解析器返回的消息类。 如果您的意思是获取包含 HTML 和纯文本版本的消息的文本部分，您可以指定 get_payload() 的索引来获取您想要的部分。

我尝试使用不同的 MIME 电子邮件，因为您粘贴的内容似乎格式错误，希望您在编辑它时格式错误。

>>> parser = email.parser.Parser()
>>> message = parser.parse(open('/home/vinko/jlm.txt','r'))
>>> message.is_multipart()
True
>>> parts = message.get_payload()
>>> len(parts)
2
>>> parts[0].get_content_type()
'text/plain'
>>> parts[1].get_content_type()
'message/rfc822'
>>> parts[0].get_payload()
'Message Text'

parts 将包含多部分消息的所有部分，您可以检查其内容类型，如图所示，并仅获取文本/纯文本。

祝你好运。

Answer 2

结束了这个

        parser = email.parser.Parser()
        self._email = parser.parse(open('/home/vinko/jlm.txt','r'))
        parts=self._email.get_payload()
        check=parts[0].get_content_type()
        if check == "text/plain":
            return parts[0].get_payload()
        elif check == "multipart/alternative":
            part=parts[0].get_payload()
            if part[0].get_content_type() == "text/plain":
                return part[0].get_payload()
            else:
                return "cannot obtain the body of the email"
        else:
            return "cannot obtain the body of the email"