在 python 中仅提取电子邮件标头

Extract just email headers in python(在 python 中仅提取电子邮件标头)
本文介绍了在 python 中仅提取电子邮件标头的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着跟版网的小编来一起学习吧!

问题描述

我在尝试在 python 中提取所有电子邮件标头时遇到了一些问题.我知道如何获取我正在寻找的那些,但我想保存所有标题,但我不知道该怎么做.

I'm having some issues trying to extract all the email headers in python. I know how to get the ones I'm looking for but I want to save all the headers and I'm not sure how to do that.

我已将其加载到电子邮件对象中

I have it loaded into a email object

import email
f = open(kwargs['opt_emailfile'])
msg = email.message_from_file(f)
f.close()

所以我可以得到

msg['To']
msg['From']

但我想要所有的标题

解决方案

感谢回答,这是我所做的

Here is what I did thanks to the answer

        f = open(kwargs['opt_emailfile'])
        msg = email.message_from_file(f)
        f.close()

        parser = email.parser.HeaderParser()
        headers = parser.parsestr(msg.as_string())

        for h in headers.items():
            print h

推荐答案

使用 HeaderParser 或许:

from email.parser import HeaderParser
parser = HeaderParser()
h = parser.parsestr(email)

print h.keys()

我刚刚注意到您编辑了您的问题.您实际上可以在不使用 HeaderParser 的情况下从您所拥有的信息中获得相同的信息.例如headers.items() 将返回带有标题和相应值的 2 元组列表.

I just noticed you edited your question. You can actually get the same information from what you had without using HeaderParser. e.g. headers.items() will return list of 2-tuples with headers and corresponding values.

这篇关于在 python 中仅提取电子邮件标头的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持跟版网!

本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益,请联系我们,我们会在确认后第一时间进行删除!

相关文档推荐

Seasonal Decomposition of Time Series by Loess with Python(Loess 用 Python 对时间序列进行季节性分解)
Resample a time series with the index of another time series(使用另一个时间序列的索引重新采样一个时间序列)
How can I simply calculate the rolling/moving variance of a time series in python?(如何在 python 中简单地计算时间序列的滚动/移动方差?)
How to use Dynamic Time warping with kNN in python(如何在python中使用动态时间扭曲和kNN)
Keras LSTM: a time-series multi-step multi-features forecasting - poor results(Keras LSTM:时间序列多步多特征预测 - 结果不佳)
Python pandas time series interpolation and regularization(Python pandas 时间序列插值和正则化)