获取python getaddresses（）来解码encodedword编码

Question

msg = \
"""To: =?ISO-8859-1?Q?Caren_K=F8lter?= <ck@example.dk>, bob@example.com
Cc: "James =?ISO-8859-1?Q?K=F8lter?=" <jk@example.dk>
Subject: hello

message body blah blah blah

"""

import email.parser, email.utils
import itertools


parser = email.parser.Parser()
parsed_message = parser.parsestr(msg)

address_fields = ('to', 'cc')
addresses = itertools.chain(*(parsed_message.get_all(field) for field in address_fields if parsed_message.has_key(field)))
address_list = set(email.utils.getaddresses(addresses))


print address_list

看起来好像电子邮件.utils.getaddresses（）似乎不会自动处理地址字段中的MIME RFC 2047。在

我怎样才能得到下面的预期结果？在

实际结果：

set([('', 'bob@example.com'), ('=?ISO-8859-1?Q?Caren_K=F8lter?=', 'ck@example.dk'), ('James =?ISO-8859-1?Q?K=F8lter?=', 'jk@example.dk')])

期望结果：

set([('', 'bob@example.com'), (u'Caren_K\xf8lter', 'ck@example.dk'), (u'James \xf8lter', 'jk@example.dk')])

Answer 1

谢谢你，加雷斯里斯。你的答案有助于解决问题案例：

Input: 'application/octet-stream;\r\n\tname="=?utf-8?B?KFVTTXMpX0FSTE8uanBn?="'

编码单词周围没有空格导致email.Header.decode_header忽略了它。我对这个太陌生了，不知道我是否只会让事情变得更糟，但是这个kludge加上一个“而不是”的组合，修复了它：

^{pr2}$

Answer 2

是的，email包接口在很多时候并不是很有用。在

在这里，您必须在每个地址上手动使用email.header.decode_header，然后，因为这给了您一个解码令牌的列表，所以您必须再次手动将它们缝合在一起：

for name, address in email.utils.getaddresses(addresses):
    name= u' '.join(
        unicode(b, e or 'ascii') for b, e in email.header.decode_header(name)
    )
    ...

Answer 3

您需要的函数是^{}，它返回(decoded_string, charset)对的列表。这取决于您根据charset进一步解码它们，并在将它们传递给email.utils.getaddresses或任何地方之前将它们重新连接在一起。在

你可能会认为这很简单：

def decode_rfc2047_header(h):
    return ' '.join(s.decode(charset or 'ascii')
                   for s, charset in email.header.decode_header(h))

但是，由于消息头通常来自不可信的源，因此您必须处理（1）编码错误的数据；（2）伪造的字符集名称。所以你可以这样做：

^{pr2}$