Python 邮件编码与解码问题

Question

基本上我想要读取收件箱中的所有新邮件并将它们存入数据库中。我使用Python的原因是因为它有 imaplib，但我对它一无所知。

目前，我有类似下面的代码：

def primitive_get_text_blocks(email_message_instance):
    maintype = email_message_instance.get_content_maintype()
    if maintype == 'multipart':
        return_parts = ""
        for part in email_message_instance.get_payload():
            if part.get_content_maintype() == 'text':
                return_parts+= " "+ part.get_payload()
        return return_parts
    elif maintype == 'text':
        return email_message_instance.get_payload()
    return ""

fromField=con.escape(email_message["From"])
contentField=con.escape(primitive_get_text_blocks(email_message))

原始的get_text_blocks函数是从某个地方复制并粘贴而来的。 结果是我得到了这样的数据库条目:

<META http-equiv=3D"Content-Type" content=3D"text/html; charset=3DUTF-8">

据我所知，这与使用utf-7编码有关。因此，我改用get_payload(decode=True)，但这会给我一个字节数组。如果我附加另一个decode('utf-8')，有时会出现错误，如：

'codec error can't decode to ...'。

我不知道编码是如何工作的，我只想要一封电子邮件正文的Unicode字符串和地址。

为什么没有简单的convert(charset from, charset to)？我该如何获得可读的电子邮件正文（和地址）？我发现了IMAP Fetch Encoding，并使用decode_header，但没有进展。

--

我认为编码是字节表示字符的方式，因此，考虑到这一点，解码应该接收一个字节数组并输出一个字符串。在Stack Overflow上，我遇到了一个人声称它与utf-8和utf-7编码有关。那究竟是什么意思呢？

我已经搜索过了，似乎有大量重复的答案，但它们得到的答案并没有真正帮助到我（我已经尝试了大部分）。

- user3679326

---

那不是UTF-7，那是引用打印。通常，你应该期望大多数单一部分的正文要么是QP编码，要么是base64编码。Content-Transfer-Encoding头告诉你使用哪种编码（或者没有编码，这是7bit、8bit或binary之一）。 - tripleee

对于文本部分，您不应该假设UTF-8或尝试猜测；您应该检查“Content-Type”头的“charset”属性。 - tripleee

Answer 1

原来这很容易。尽管所有文档都指向Unicode函数仍然是真实存在的辉煌过去，但“str”也可以做到同样的效果。

因此，简要概括一下，您必须在“getPayload”中传递“decode = True”，并将其包装在str（...，'utf-8'）中。

- user3679326