在Python中解析mbox文件
在Python中解析mbox文件
提问于 2012-04-21 02:45:24
Python新手在这里。我想浏览一个很大的mbox文件，解析电子邮件。我可以这样做：
import sys
import mailbox
def gen_summary(filename):
mbox = mailbox.mbox(filename)
for message in mbox:
subj = message['subject']
print subj
if __name__ == "__main__":
if len(sys.argv) != 2:
print 'Usage: python genarchivesum.py mbox'
sys.exit(1)
gen_summary(sys.argv[1])但我需要更多的控制。我需要能够获取mbox文件中给定电子邮件开头的字节位置，还需要获取消息中的字节数(如磁盘上所示)。然后在将来，我不需要从mbox文件的开头开始迭代，而是需要能够查找到给定的消息并解析它(因此，获取磁盘上的字节位置是需要之一)。这些都是大的mbox文件，效率是一个问题。
这样做的目的是，我可以生成一个摘要文件，其中包含mbox中每个电子邮件的一些小片段，然后在将来有效地查找mbox中的各个电子邮件。
回答 1
Stack Overflow用户
回答已采纳
发布于 2012-04-21 04:01:46
我还没有测试过，但是像这样的东西可能对你有用。只需打开文件(在二进制模式下，因此您的字节计数是正确的)，并扫描它，找到消息。
def is_mail_start(line):
return line.startswith("From ")
def build_index(fname):
with open(fname, "rb") as f:
i = 0
b = 0
# find start of first message
for line in f:
b += len(line)
if is_mail_start(line):
break
# find start of each message, and yield up (index, length) of previous message
for line in f:
if is_mail_start(line):
yield (i, b)
i += b
b = 0
b += len(line)
yield (i, b) # yield up (index, length) of last message
# get index as a list
mbox_index = list(build_index(fname))一旦有了索引，就可以在文件对象上使用.seek()方法查找，在文件对象上使用.read(length)方法只读取一条消息。不过，我不确定如何使用带有字符串的mailbox模块；我认为它应该就地在邮箱上工作。也许你还可以使用其他的邮件解析模块。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/10251782
复制相关文章
相似问题
腾讯云开发者
