Python邮件头解码（decode_header）在多行头部失败

Question

我正在构建一个系统，使用Python的imaplib和email模块从一个Gmail帐户中读取电子邮件并获取主题。有时，从hotmail帐户接收到的电子邮件标题中会有换行符，例如：

In [4]: message['From']
Out[4]: '=?utf-8?B?aXNhYmVsIG1hcsOtYSB0b2Npbm8gZ2FyY8OtYQ==?=\r\n\t<[e-mail]>'

如果我尝试解码该标头，它什么也不做：

In [5]: email.header.decode_header(message['From'])
Out[5]: [('=?utf-8?B?aXNhYmVsIG1hcsOtYSB0b2Npbm8gZ2FyY8OtYQ==?=\r\n\t<[e-mail]>', None)]

然而，如果我用空格替换换行和制表符，它就可以正常工作：

In [6]: email.header.decode_header(message['From'].replace('\r\n\t', ' '))
Out[6]: [('isabel mar\xc3\xada tocino garc\xc3\xada', 'utf-8'), ('<[e-mail]>', None)]

这是decode_header的一个bug吗？如果不是，我想知道还有哪些类似的特殊情况需要注意。

- José Tomás Tocino

Answer 1

这是一个在decode_header中的bug，该bug存在于Python2.7中，并在Python3.3中得到了修复。

>>> sys.version_info
sys.version_info(major=3, minor=3, micro=2, releaselevel='final', serial=0)
>>> email.header.decode_header('=?utf-8?B?aXNhYmVsIG1hcsOtYSB0b2Npbm8gZ2FyY8OtYQ==?=\r\n\t<[e-mail]>')
[(b'isabel mar\xc3\xada tocino garc\xc3\xada', 'utf-8'), (b'<[e-mail]>', None)]

vs

>>> sys.version_info
sys.version_info(major=2, minor=7, micro=5, releaselevel='final', serial=0)
>>> email.header.decode_header('=?utf-8?B?aXNhYmVsIG1hcsOtYSB0b2Npbm8gZ2FyY8OtYQ==?=\r\n\t<[e-mail]>')
[('=?utf-8?B?aXNhYmVsIG1hcsOtYSB0b2Npbm8gZ2FyY8OtYQ==?=\r\n\t<[e-mail]>', None)]

- Robᵩ

---

谢谢。他们正在为2.7分支修复它吗？我希望如此！ - José Tomás Tocino

那么，Python 2.7的解决方案是什么？ - Sergius

Answer 2

这个错误在一些Python 2.7版本中仍然存在，因此可以使用以下解决方法：

>>> email.header.decode_header('=?utf-8?B?aXNhYmVsIG1hcsOtYSB0b2Npbm8gZ2FyY8OtYQ==?=\r\n\t<[e-mail]>'.replace('\r\n\t', ' '))
[('isabel mar\xc3\xada tocino garc\xc3\xada', 'utf-8'), ('<[e-mail]>', None)]

它将CLRF和制表符替换为空格。这样，decode_header就可以正确解析标题了。

- Benjy Malca