从解析的电子邮件对象中获取邮件正文（Jython）
我有一个对象。
fp = open(self.currentEmailPath, "rb")
p = email.Parser.Parser()
self._currentEmailParsedInstance= p.parse(fp)
fp.close()
self.currentEmailParsedInstance，我想从这个对象中获取一封邮件的正文，只要文本，不要HTML格式的内容……
我该怎么做呢？
像这样吗？
newmsg=self._currentEmailParsedInstance.get_payload()
body=newmsg[0].get_content....?
然后从正文中去掉HTML标签。
那具体是什么方法可以返回实际的文本呢……也许我误解了你的意思。
msg=self._currentEmailParsedInstance.get_payload()
print type(msg)
输出是一个 'list' 类型。
这封邮件
返回路径：
收到：来自 xx.xx.net (示例) 通过 mxx3.xx.net (xxx)
id 485EF65F08EDX5E12 发往 xxx@xx.com；2008年10月23日 06:07:51 +0200
收到：来自 xxxxx2 (ccc) 通过 example.net (ccc) (已认证为 xxxx.xxx@example.com)
id 48798D4001146189 发往 example.example@example-example.com；2008年10月23日 06:07:51 +0200
发件人：“示例”
收件人：
主题：FW: 示例
日期：2008年10月23日 12:07:45 +0800
组织：示例
消息ID：<001601c934c4$xxxx30$a9ff460a@xxx>
MIME版本：1.0
内容类型：multipart/mixed;
边界="----=_NextPart_000_0017_01C93507.F6F64E30"
邮件客户端：Microsoft Office Outlook 11
X-MimeOLE：由 Microsoft MimeOLE V6.00.2900.3138 生成
线程索引：Ack0wLaumqgZo1oXSBuIpUCEg/wfOAABAFEA
这是一封多部分的MIME格式邮件。
------=_NextPart_000_0017_01C93507.F6F64E30
内容类型：multipart/alternative;
边界="----=_NextPart_001_0018_01C93507.F6F64E30"
------=_NextPart_001_0018_01C93507.F6F64E30
内容类型：text/plain;
字符集="us-ascii"
内容传输编码：7bit
发件人：example.example[mailto:example@example.com]
发送时间：2008年10月23日 星期四 11:37 AM
收件人：xxxx@example.com
主题：S/I for example(B/L
编号：4357-0120-810.044)
请查收附件 example.doc），
谢谢。
祝好，
xxx xxx
------=_NextPart_001_0018_01C93507.F6F64E30
内容类型：text/html;
字符集="us-ascii"
内容传输编码：quoted-printable
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"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------=_NextPart_000_0017_01C93507.F6F64E30--
我只想得到：
发件人：xxxx.xxxx [mailto:xxxx@example.com]
发送时间：2008年10月23日 星期四 11:37 AM
收件人：xxxx@example.com
主题：S/I for xxxxx (B/L
编号：4357-0120-810.044)
请查收附件 xxxx.doc），
谢谢。
祝好，
xxx xxx
不确定邮件是否格式错误！
似乎如果你得到的是一个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!!
非常感谢你，Vinko。
所以这有点像处理XML，具有递归的特性。
2 个回答
最后得到了这个
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"
这段代码可以让你获取消息的内容。
self.currentEmailParsedInstance.get_payload()
至于只获取文本部分，你需要自己去掉HTML标签，比如可以使用BeautifulSoup这个工具。
想了解更多关于Parser返回的Message类的信息，可以查看这个链接。如果你想获取同时包含HTML和纯文本版本的消息的文本部分，可以在get_payload()中指定一个索引，这样就能获取你想要的部分。
我尝试用不同的MIME格式的邮件，因为你粘贴的内容看起来格式不太对，希望是在你编辑的时候出现了问题。
>>> 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会包含多部分消息的所有部分，你可以查看它们的内容类型，像这样只获取text/plain类型的部分。
祝你好运。