头脑风暴：将txt电子邮件解析为结构化对象（JSON等）

Question

对于我的论文项目，我将处理大量的电子邮件。 我需要提取所有的头字段，并通过管道将它们导入一个排序的数据结构，最好是像JSON这样的通用数据结构

现在，我一直在研究这个问题，并找到了很多半屁股工作的解决办法。 我不想你告诉我怎么做，只是把一些想法摆在桌面上

现在我的计划是使用python来解析头字段。 我选择python是因为它很好用，而且我也有过使用它的经验。此外，还有很多图书馆。 问题是python官方电子邮件处理不能很好地处理重复字段，这对我来说非常关键。特别是对于标题“Received:”，因为它允许跟踪跨多个邮件服务器的电子邮件传输

官方图书馆忽略了多个字段，只存储了第一个字段——”

有什么想法吗？你将如何处理这个问题

Answer 1

这个答案可能对你有帮助：problem with email parsing with python and multiple Received records

The python doc for email.getitem() says:

Note that if the named field appears more than once in the message’s headers, exactly which of those field values will be returned is undefined. Use the get_all() method to get the values of all the extant named headers.

so, use e.get_all(i) instead of e[i] to get all values of the Received: header.