使用电子邮件数据 0.3.4 使用 Python 3.6 读取 .eml 文件

Question

我正在使用 python 3.6.1，我想读入电子邮件文件 (.eml) 进行处理。我正在使用 emaildata 0.3.4 包，但是每当我尝试导入文档中的文本 class 时，我都会收到模块错误：

import email
from email.text import Text
>>> ModuleNotFoundError: No module named 'cStringIO'

当我尝试使用进行更正时，我得到了下一个与 mimetools

有关的错误

>>> ModuleNotFoundError: No module named 'mimetools'

是否可以使用 emaildata 0.3.4 和 python 3.6 来解析 .eml 文件？或者是否有任何其他包可以用来解析 .eml 文件？谢谢

Answer 1

使用email包，我们可以读入.eml文件。然后，使用 BytesParser 库来解析文件。最后，使用 plain 首选项（对于纯文本）和 get_body() 方法，以及 get_content() 方法来获取电子邮件的原始文本。

import email
from email import policy
from email.parser import BytesParser
import glob
file_list = glob.glob('*.eml') # returns list of files
with open(file_list[2], 'rb') as fp:  # select a specific email file from the list
    msg = BytesParser(policy=policy.default).parse(fp)
text = msg.get_body(preferencelist=('plain')).get_content()
print(text)  # print the email content
>>> "Hi,
>>> This is an email
>>> Regards,
>>> Mister. E"

当然，这是一个简化的示例 - 没有提及 HTML 或附件。但它基本上完成了问题的要求和我想做的事情。

以下是如何遍历多封电子邮件并将每封电子邮件另存为纯文本文件：

file_list = glob.glob('*.eml') # returns list of files
for file in file_list:
    with open(file, 'rb') as fp:
        msg = BytesParser(policy=policy.default).parse(fp)
        fnm = os.path.splitext(file)[0] + '.txt'
        txt = msg.get_body(preferencelist=('plain')).get_content()
        with open(fnm, 'w') as f:
            print('Filename:', txt, file = f)

使用电子邮件数据 0.3.4 使用 Python 3.6 读取 .eml 文件

Reading .eml files with Python 3.6 using emaildata 0.3.4

python

parsing

nlp

eml