Início / coding / Perguntas / 78052611
Accepted
Pedroski
Asked: 2024-02-24 21:31:00 +0800 CST

Como obter o texto do corpo do email?

  • 772

Eu tenho esse código, mas na verdade não recebo o texto do e-mail.

Tenho que decodificar o texto do e-mail?

import sys
import imaplib
import getpass
import email
import email.header
from email.header import decode_header
import base64

def read(username, password, sender_of_interest):
    # Login to INBOX
    imap = imaplib.IMAP4_SSL("imap.mail.com", 993)
    imap.login(username, password)
    imap.select('INBOX')
    # Use search(), not status()
    # Print all unread messages from a certain sender of interest
    if sender_of_interest:
        status, response = imap.uid('search', None, 'UNSEEN', 'FROM {0}'.format(sender_of_interest))
    else:
        status, response = imap.uid('search', None, 'UNSEEN')
    if status == 'OK':
        unread_msg_nums = response[0].split()
    else:
        unread_msg_nums = []
    data_list = []
    for e_id in unread_msg_nums:
        data_dict = {}
        e_id = e_id.decode('utf-8')
        _, response = imap.uid('fetch', e_id, '(RFC822)')
        html = response[0][1].decode('utf-8')
        email_message = email.message_from_string(html)
        data_dict['mail_to'] = email_message['To']
        data_dict['mail_subject'] = email_message['Subject']
        data_dict['mail_from'] = email.utils.parseaddr(email_message['From'])
        #data_dict['body'] = email_message.get_payload()[0].get_payload()
        data_dict['body'] = email_message.get_payload()
        data_list.append(data_dict)
    print(data_list)
    # Mark them as seen
    #for e_id in unread_msg_nums:
        #imap.store(e_id, '+FLAGS', '\Seen')
    imap.logout()    
    return data_dict

Então eu faço isso:

print('Getting the email text bodiies ... ')
emailData = read(usermail, pw, sender_of_interest)
print('Got the data!')
for key in emailData.keys():
    print(key, emailData[key])

A saída é:

mail_to [email protegido]
mail_subject Obter arquivo json
mail_from ('Pedro Rodriguez', ' [email protegido] ')
corpo [<email.message.Message object em 0x7f7d9f928df0>, <email.message.Message object em 0x7f7d9f928f70>]

Como realmente obter o texto do e-mail?

Tentei a sugestão, mas parece que falha porque é multiparte, com um arquivo de texto anexado:

def read(username, password, sender_of_interest):
    # Login to INBOX
    imap = imaplib.IMAP4_SSL("imap.qq.com", 993)
    imap.login(username, password)
    imap.select('INBOX')
    # Use search(), not status()
    # Print all unread messages from a certain sender of interest
    if sender_of_interest:
        status, response = imap.uid('search', None, 'UNSEEN', 'FROM {0}'.format(sender_of_interest))
    else:
        status, response = imap.uid('search', None, 'UNSEEN')
    if status == 'OK':
        unread_msg_nums = response[0].split()
    else:
        unread_msg_nums = []
    data_list = []
    for e_id in unread_msg_nums:
        data_dict = {}
        e_id = e_id.decode('utf-8')
        _, response = imap.uid('fetch', e_id, '(RFC822)')
        email_message = email.message_from_bytes(response[0][1], policy=default)
        #html = response[0][1].decode('utf-8')
        #email_message = email.message_from_string(html)
        data_dict['mail_to'] = email_message['To']
        data_dict['mail_subject'] = email_message['Subject']
        data_dict['mail_from'] = email.utils.parseaddr(email_message['From'])
        #data_dict['body'] = email_message.get_payload()[0].get_payload()
        #data_dict['body'] = email_message.get_payload()[0]
        data_dict['body'] = email_message.get_body('html', 'text').get_payload(decode=True)
        data_list.append(data_dict)
    print(data_list)
    # Mark them as seen
    #for e_id in unread_msg_nums:
        #imap.store(e_id, '+FLAGS', '\Seen')
    imap.logout()    
    return data_dict

Obtenha este erro:

emailData = read(usermail, pw, sender_of_interest) Traceback (última chamada mais recente): Arquivo "/usr/lib/python3.10/idlelib/run.py", linha 578, em runcode exec(code, self.locals) Arquivo "<pyshell#126>", linha 1, no arquivo "<pyshell#125>", linha 29, em leitura TypeError: MIMEPart.get_body() leva de 1 a 2 argumentos posicionais, mas 3 foram fornecidos

Importei o BeautifulSoup também para obter o texto do html:

from bs4 import BeautifulSoup 

# this seems to work
def read(username, password, sender_of_interest):
    # Login to INBOX
    imap = imaplib.IMAP4_SSL("imap.qq.com", 993)
    imap.login(username, password)
    imap.select('INBOX')
    # Use search(), not status()
    # Print all unread messages from a certain sender of interest
    if sender_of_interest:
        status, response = imap.uid('search', None, 'UNSEEN', 'FROM {0}'.format(sender_of_interest))
    else:
        status, response = imap.uid('search', None, 'UNSEEN')
    if status == 'OK':
        unread_msg_nums = response[0].split()
    else:
        unread_msg_nums = []
    data_list = []
    for e_id in unread_msg_nums:
        data_dict = {}
        e_id = e_id.decode('utf-8')
        _, response = imap.uid('fetch', e_id, '(RFC822)')
        email_message = email.message_from_bytes(response[0][1], policy=default)
        html = response[0][1].decode('utf-8')
        data_dict['mail_to'] = email_message['To']
        data_dict['mail_subject'] = email_message['Subject']
        data_dict['mail_from'] = email.utils.parseaddr(email_message['From'])
        body = email_message.get_body(('html', 'text')).get_payload(decode=True)
        soup = BeautifulSoup(body, 'html.parser')
        div_bs4 = soup.find('div')
        text = div_bs4.string
        data_dict['body'] = text
        data_list.append(data_dict)
    print(data_list)
    # Mark them as seen
    #for e_id in unread_msg_nums:
        #imap.store(e_id, '+FLAGS', '\Seen')
    imap.logout()    
    return data_dict

A saída para body é agora:

'body': 'Você consegue o anexo?'

Agora só falta pegar o anexo!

python

1 respostas

  1. Best Answer

    Dependendo do que exatamente você quer dizer com "o texto", você provavelmente desejará o get_bodymétodo. Mas você está destruindo completamente o e-mail antes de chegar a esse ponto. O que você recebe do servidor não é "HTML" e convertê-lo em uma string para chamá- message_from_stringlo é indireto e sujeito a erros. O que você obtém são bytes; use o message_from_bytesmétodo diretamente. (Isso evita todos os tipos de problemas quando os bytes não são UTF-8; o message_from_stringmétodo só fazia sentido no Python 2, que não tinha explícito bytes.)

    from email.policy import default
...

        _, response = imap.uid(
            'fetch', e_id, '(RFC822)')
        email_message = email.message_from_bytes(
            response[0][1], policy=default)
        body = email_message.get_body(
            ('html', 'text')).get_content()

    O uso de a policyseleciona o (não muito) novo EmailMessage; você precisa do Python 3.3+ para que isso esteja disponível. A classe herdada mais antiga email.Messagenão tinha esse método, mas também deveria ser evitado no novo código por muitos outros motivos.

    Isso poderia falhar para mensagens multipartes com estruturas aninhadas não triviais; o get_bodymétodo sem argumentos pode retornar uma multipart/alternativeparte da mensagem e então você deve partir daí. Você não especificou a aparência esperada de suas mensagens, então não vou me aprofundar mais nisso.

    Mais fundamentalmente, você provavelmente precisará de uma imagem mais detalhada de como as mensagens de e-mail modernas são estruturadas. Consulte Quais são as "partes" em um e-mail multipartes?

    • 1

relate perguntas