python发邮件详解_Python邮件正文及附件解析

email邮件解析作为比较基础的模块，用来收取邮件、发送邮件。python的mail模块调用几行代码就能写一个发送/接受邮件的脚本。但是如果要做到持续稳定，能够上生产环境的代码，还是需要下一番功夫，解决编码和内容异常的问题。可能遇到的问题如下：

邮件编码问题

邮件日期格式解析

多附件的下载

邮件如何增量解析？

一、连接邮件服务器

首先，将邮件的账户密码配置化:

# config.py

MAIL = {

"mail_host": "smtp.exmail.qq.com", # SMTP服务器

"mail_user": "xxx@abc.com", # 用户名

"mail_pwd": "fdaxxx", # 登录密码

"sender": "xxx@abc.com", # 发件人邮箱

"port":465 # SSL默认是465

}

创建邮件连接，获取邮件列表

from config.py import MAIL

# 连接到腾讯企业邮箱，其他邮箱调整括号里的参数

conn = imaplib.IMAP4_SSL(MAIL['mail_host'], MAIL['port'])

conn.login(MAIL['mail_user'], MAIL['mail_pwd'])

# 选定一个邮件文件夹

conn.select("INBOX") # 获取收件箱

# 提取了文件夹中所有邮件的编号

resp, mails = conn.search(None, 'ALL')

# 提取了指定编号,按最新时间倒序

mails_list = mails[0].split()

mails_list = list(reversed(mails_list))

mail_nums = len(mails_list)

for i in range(mail_nums):

print("mail: {}/{}".format(i+1, mail_nums))

resp, data = conn.fetch(mails_list[i], '(RFC822)')

emailbody = data[0][1]

mail = email.message_from_bytes(emailbody)

二.、邮件编码问题

邮件主题中是一般是可以获取到邮件编码的，但也有获取不准的时候，这时就会报错。这需要做编码兼容性处理。

decode_data()函数优先采用邮件内容获取的编码，如果解析不成功，就依次用UTF-8，GBK，GB2312编码来解析。

# 获取邮件自带的编码

from email.header import decode_header

mail_encode = decode_header(mail.get("Subject"))[0][1]

mail_title = decode_data(decode_header(mail.get("Subject"))[0][0], mail_encode)

def decode_data(bytes, added_encode=None):

"""

字节解码

:param bytes:

:return:

"""

def _decode(bytes, encoding):

try:

return str(bytes, encoding=encoding)

except Exception as e:

return None

encodes = ['UTF-8', 'GBK', 'GB2312']

if added_encode:

encodes = [added_encode] + encodes

for encoding in encodes:

str_data = _decode(bytes, encoding)

if str_data is not None:

return str_data

return None

三、邮件日期格式解析

邮件日期的格式一般是Mon, 8 Jun 2020 22:02:41 +0800这样的，也有8 Jun 2020 22:02:41 +0800，去掉了星期。

要做到兼容，我只需要解析中间的年月日时分秒。

from datetime import datetime

def parse_mail_time(mail_datetime):

"""

邮件时间解析

:param bytes:

:return:

"""

print(mail_datetime)

GMT_FORMAT = "%a, %d %b %Y %H:%M:%S"

GMT_FORMAT2 = "%d %b %Y %H:%M:%S"

index = mail_datetime.find(' +0')

if index > 0:

mail_datetime = mail_datetime[:index] # 去掉+0800

formats = [GMT_FORMAT, GMT_FORMAT2]

for ft in formats:

try:

mail_datetime = datetime.strptime(mail_datetime, ft)

return mail_datetime

except:

pass

raise Exception("邮件时间格式解析错误")

四、邮件增量解析

我们定义邮件的表结构如下：

CREATE TABLE `mail_record_history` (

`receive_time` datetime NOT NULL COMMENT '邮件接收时间',

`title` varchar(200) NOT NULL COMMENT '邮件标题',

`mail_from` varchar(100) DEFAULT NULL,

`content` text COMMENT '邮件内容',

`attachment` varchar(400) DEFAULT NULL COMMENT '邮件附件文件',

`parse_time` datetime DEFAULT NULL COMMENT '解析时间',

`status` int(11) DEFAULT NULL COMMENT '状态：-1:失败，0:正常; -2: 文件大小为0',

PRIMARY KEY (`receive_time`,`title`)

)

mail_record_history表的每条记录对应一份邮件，邮件接受时间和邮件标题作为主键。

通过表字段receive_time的最大值来作为增量解析邮件的标准是有缺陷的。

python的mail模块接口没找到指定日期后的邮件，每次都是取全量的邮件序号，从最新的邮件开始解析，如果程序一切顺利（几乎不可能），那是没有问题的。

但是，只有出现一次错误，有可能是网络超时，有可能是邮件服务器不响应，有可能是解析服务器故障，就会出现从最新日期到数据库邮件最大日期之间丢失邮件。

而且下次再触发邮件解析时无法从中断处连续。

这里，我们用redis来存储最大邮件解析的时间点。

REDIS_PARAMS = {

'host': "192、168.1.111",

'port': 6379,

'password': 'xxxxx',

'db': 14,

}

def get_redis_client():

r = redis.Redis(host=REDIS_PARAMS['host'], port=REDIS_PARAMS['port'], password=REDIS_PARAMS['password'], db=REDIS_PARAMS['db'])

return r

redis_client = get_redis_client()

REDIS_KEY = "max_mail_recieve_time"

每次解析先获取数据库中最新的邮件时间

def get_max_mail_recieve_time():

"""

获取数据库最新邮件时间

:return:

"""

max_receive_time = redis_client.get(REDIS_KEY)

if max_receive_time is None or max_receive_time == 'None':

max_receive_time = "2020-01-01 00:00:00" #

redis_client.set(REDIS_KEY, max_receive_time)

if isinstance(max_receive_time, bytes):

max_receive_time = str(max_receive_time, encoding='utf-8')

return max_receive_time

从最新邮件开始解析，当邮件时间小于数据库最新时间时，就终止解析

import arrow

max_recieve_time = get_max_mail_recieve_time()

max_mail_time_str = None

for i in range(mail_nums):

print("mail: {}/{}".format(i+1, mail_nums))

resp, data = conn.fetch(mails_list[i], '(RFC822)')

emailbody = data[0][1]

mail = email.message_from_bytes(emailbody)

mail_datetime = parse_mail_time(mail.get("date"))

if arrow.get(mail_datetime) < arrow.get(max_recieve_time):

return

if i == 0:

max_mail_time_str = arrow.get(mail_datetime).format("YYYY-MM-DD HH:mm")

当所有邮件都解析成功时，才更新redis的数据库最新时间(REDIS_KEY)。

if max_mail_time_str:

redis_client.set(REDIS_KEY, max_mail_time_str)

五、邮件正文解析

mail_body = decode_data(get_body(mail))

# 解析邮件内容

def get_body(msg):

if msg.is_multipart():

return get_body(msg.get_payload(0))

else:

return msg.get_payload(None,decode=True)

六、邮件附件下载

MAIL_DIR = '/tmp'

mail_date_str = '2020-06-09'

# 获取邮件附件

fileNames = []

for part in mail.walk():

fileName = part.get_filename()

# 如果文件名为纯数字、字母时不需要解码，否则需要解码

try:

fileName = decode_header(fileName)[0][0].decode(decode_header(fileName)[0][1])

except:

pass

# 如果获取到了文件，则将文件保存在制定的目录下

if fileName:

dirPath = os.path.join(MAIL_DIR, mail_date_str)

os.system("chmod -R 777 {}".format(dirPath))

if not os.path.exists(dirPath):

os.makedirs(dirPath)

filePath = os.path.join(dirPath, fileName)

try:

if not os.path.isfile(filePath):

fp = open(filePath, 'wb')

fp.write(part.get_payload(decode=True))

fp.close()

print("附件下载成功，文件名为：" + fileName)

else:

print("附件已经存在，文件名为：" + fileName)

except Exception as e:

print(e)