从mbox写入html文件
从mbox写入html文件
提问于 2021-01-25 10:16:50
在雅虎组关闭之前，您可以将组的内容下载到mbox文件中。我正在尝试将mbox文件转换为一系列html文件--每个消息一个。我的问题是处理html中的编码和特殊字符。以下是我的尝试：
import mailbox
the_dir = "/path/to/file"
mbox = mailbox.mbox(the_dir + "12394334.mbox")
html_header = """<!DOCTYPE html>
<html>
<head>
<title>Email message</title>
</head>
<body>"""
html_footer = '</body></html>'
for message in mbox:
mess_from = message['from']
subject = message['subject']
time_received = message['date']
if message.is_multipart():
content = ''.join(str(part.get_payload(decode=True)) for part in message.get_payload())
else:
content = message.get_payload(decode=True)
content = str(content)[2:].replace('\\n', '<br/>')
subject.replace('/', '-')
fname = subject + " " + time_received + '.html'
with open(the_dir + 'html/' + fname , 'w') as the_file:
the_file.write(html_header)
the_file.write('<br/>' + 'From: ' + mess_from)
the_file.write('<br/>' + 'Subject: ' + subject)
the_file.write('<br/>' + 'Received: ' + time_received + '<br/><br/>')
the_file.write(content)消息的内容在撇号和其他特殊字符之前有反斜杠，如：
星级，目前为\xa311.99理想圣诞礼物。如果你在小船上没有一本像样的书，那就做过度的宣传。
我的问题是，获得电子邮件内容并将其写入具有正确字符的html文件的最佳方法是什么。我不能是第一个遇到这个问题的人。
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-01-26 13:46:21
我找到了这个问题的答案。
首先，我需要通过子类型(part.get_content_subtype())来标识html。这就是为什么我知道我有一个html子类型。
然后，我需要使用part.get_charsets()获取字符集。有一个part.get_charset()，但它总是返回None，所以我使用了get_charsets()的第一个元素
该get_payload似乎是低音与decode=True参数，这意味着它不会解码的有效载荷。然后，我使用前面得到的字符集解码消息。否则，我将用decode=False对其进行解码。
如果是文本，我去掉linefeed等，添加一个html头，然后写到文件中。
下一份工作
- 使用BeautifulSoup将发送者信息添加到
- 中，了解如何处理附件并将html文件链接到它们--
- --有些字符仍然没有显示，比如“to”等等，
。
文本
import mailbox
the_dir = "/path/to/mbox/"
mbox = mailbox.mbox(the_dir + "12394334.mbox")
html_footer = "</body></html>"
html_flag = False
for message in mbox:
mess_from = message['from']
subject = message['subject']
time_received = message['date']
fname = subject + " " + time_received
fname = fname.replace('/', '-')
if message.is_multipart():
contents_text = []
contents_html = []
for part in message.walk():
maintype = part.get_content_maintype()
subtype = part.get_content_subtype()
if maintype == 'multipart' or maintype == 'message':
# Reject containers
continue
if subtype == 'html':
enc = part.get_charsets()
if enc[0] is not None:
contents_html.append(part.get_payload(decode=True).decode(enc[0]))
else:
contents_html.append(part.get_payload(decode=False))
elif subtype == 'text':
contents_text.append(part.get_payload(decode=False))
else: #I will use this to process attachmnents in the future
continue
if len(contents_html)> 0:
if len(contents_html)>1:
print('multiple html') #This hasn't happened yet
html_flag = True
content = '\n\n'.join(contents_html)
else:
html_flag = False
else:
content = message.get_payload(decode=False)
content = content.replace('\\n', '<br/>')
content = content.replace('=\n', '<br/>')
content = content.replace('\n', '<br/>')
content = content.replace('=20', '')
html_header = f""" <!DOCTYPE html>
<html>
<head>
<title>{fname}</title>
</head>
<body>"""
content = (html_header + '<br/>' +
'From: ' + mess_from + '<br/>'
+ 'Subject: ' + subject + '<br/>' +
'Received: ' + time_received + '<br/><br/>' +
content + html_footer)
with open(the_dir + "html/" + fname + ".html", "w") as the_file:
the_file.write(content)打印(“完成！”)
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/65882780
复制相关文章
相似问题
腾讯云开发者
