如何区分邮件正文中发送者生成的回车与自动换行生成的回车？

Question

我想知道如何区分邮件正文中发送者自己插入的换行符和Gmail自动生成的换行符。我正在使用Python的imaplib来访问Gmail，并下载邮件内容，代码如下：

user='whoever@gmail.com'
pwd='password'
m = imaplib.IMAP4_SSL("imap.gmail.com")
m.login(user,pwd)
m.select("INBOX")
resp, items = m.search(None, "ALL")
items = items[0].split()
messages = []
for emailid in items:
    resp, data = m.fetch(emailid, "(RFC822)")
    email_body = data[0][1]
    mail = email.message_from_string(email_body)
    for part in mail.walk():
        if part.get_content_type() == 'text/plain':
            body = part.get_payload(decode=1)
            messages.append(body)

我主要关注的是从其他Gmail用户那里收到的邮件。邮件正文中有很多换行符（'\r\n'）。这些换行符可以分为两类：1）发送者插入的换行符，称为“真实”的换行符；2）Gmail在大约78个字符处自动换行生成的换行符，称为“虚假”的换行符。我只想去掉第二类换行符。我知道可以写个程序，检查每78个字符附近的'\r\n'，但这样并不可靠，也不是我想要的。有趣的是，我注意到在Gmail的网页上显示邮件时，第二类换行符并没有出现。Gmail似乎知道要去掉或不显示这些换行符。这是怎么做到的呢？我是不是遗漏了什么特殊的编码？

Answer 1

我不知道有多少邮件客户端能正确理解或生成这个内容，但RFC 3676中提到了一些内容：

在创建流式文本时，生成的程序会自动换行，也就是在需要的地方插入“软”换行符。软换行符是在自然换行的地方添加的，比如在单词之间。软换行符的表示方式是一个空格加上回车换行。

所以，如果上一行的结尾有一个空格，那么当前行应该被理解为是上一行的继续。我建议你查看一下整个RFC文档。

Answer 2

Gmail发送的邮件有两种格式，一种是MIME多部分格式，包括一种文本格式（text/plain）和一种HTML格式（text/html）。你抓取到的就是文本格式，而HTML格式则包含了像粗体、斜体、链接等花哨的格式，这也是Gmail展示给用户的内容。虽然HTML版本的每行也会在78个字符处换行（这是邮件标准的一部分——邮件中的文本行不能超过78个字符），但你想要的“真实”换行其实是通过HTML的<br>标签来实现的。如果你自己给自己发一封邮件，然后点击回复按钮旁边的小箭头，选择“显示原始邮件”，你就可以看到这些内容。

在文本格式（text/plain）中，你无法可靠地区分“假”的换行和“真”的换行（这点你肯定知道）。不过，你可以选择获取HTML格式，这样你就知道“真实”的换行是<br>标签，但这样你还得处理额外的HTML内容（并且首先要正确处理里面使用的“内容传输编码”）。