POP接收邮件

邮件收取流程

由上篇文章我们已经得知邮件从发送到接收的过程：

发件人->MUA->MTA->若干MTA->MDA->MUA->收件人

本节接收邮件主要就是编写一个MUA客户端，从MDA将邮件取回本地。

收取邮件最常用的是POP协议，目前版本是第三版，也称POP3。python内置了poplib模块，支持POP3协议。

回想上一节SMTP，我们对要发送的邮件内容进行了各种编码，包括添加MIME header，编码之后再进行发送。

因此，我们通过POP3协议接收的也不是原内容，而是经过一系列编码等处理的文本。

所以，要想把POP3收取的文本变为可阅读的邮件对象，就需要利用email模块对原始邮件进行解析。

所以，邮件收取的流程就是：

1. 使用poplib模块接收邮件

2. 使用email模块解析邮件

由上一篇文章最后总结部分可知。邮件由字符到发送到网络经历了如下的格式转化：

纯文本：

str->bytes->base64->str->bytes

二进制文件：

binary code->base64->str->bytes

我们解析邮件也是按这个思路，逆序解析出内容。

接收邮件

# 输入邮件地址，口令，和POP3服务器地址
user = input('Email: ')
passwd = input('Password: ')
pop3_server = input('POP3 server:')


# 连接到POP3服务器
server = poplib.POP3(pop3_server)
# debug
server.set_debuglevel(1)
# 打印欢迎文本
print(server.getwelcome().decode('utf-8'))


# 身份认证
server.user(user)
server.pass_(passwd)


# stat返回邮件数量和占用空间
print('Message: %s. Size: %s' % server.stat())
# list()返回所有邮件的编号
resp, mails, octets = server.list()
# 查看返回列表
print(mails)


# get the lastest mail, index increased from 1
index = len(mails)
resp, lines, octets = server.retr(index)  # 取出最新邮件
# lines存储了邮件的原始文本的每一行，
# 可以获得整个邮件的原始文本：
msg_content = b'\r\n'.join(lines).decode('utf-8')
print('AAAA',msg_content)
# 稍后解析出邮件:
msg = Parser().parsestr(msg_content)
print('BBBB', msg)
# print content of the mail
print_info(msg)
server.quit()

这里的decode('utf-8')先把字节流转化为字符串，再将字符串转化为message结构的对象。这步与发送邮件的as_string函数相反。

解析邮件

def decode_str(s):
    value, charset = decode_header(s)[0]
    if charset:
        value = value.decode(charset)
    return value


def guess_charset(msg):
    charset = msg.get_charset()
    if charset is None:
        content_type = msg.get('Content-Type', '').lower()
        pos = content_type.find('charset=')
        if pos > 0:
            charset = content_type[pos + 8:].strip()
    return charset


def print_info(msg, indent=0):
    if indent == 0:
        for header in ['From', 'To', 'Subject']:
            value = msg.get(header, '')
            if value:
                if header=='Subject':
                    value = decode_str(value)
                else:
                    hdr, addr = parseaddr(value)
                    name = decode_str(hdr)
                    value = u'%s <%s>' %(name, addr)
            print('%s%s: %s' %('  ' * indent, header, value))
    if (msg.is_multipart()):
        parts = msg.get_payload()
        for n, part in enumerate(parts):
            print('%spart %s' %('  '*indent, n))
            print('%s——————————————————————' %'  '*indent)
            print_info(part, indent + 1)
    else:
        content_type = msg.get_content_type()
        print(content_type)
        if content_type == 'text/plain' or content_type == 'text/html':
            content = msg.get_payload(decode=True) # 将Base64或QP解码为bytes
            charset = guess_charset(msg)
            print(charset)
            if charset:
                content = content.decode(charset) #将bytes解码为文本
            print('%sText: %s' %('  '*indent, content))
        else:
            print('%sAttachment: %s' %('  '*indent, content_type))

先从上一节结构化的msg中取出信件头，打印出来。

如果是multipart结构，get_payload函数会返回一个包含不同part的list，然后对每一part递归调用print_info，打印子信件头和子信件内容。

不是multipart时，之后再依据Content-Type作不同处理:

如果是text:

利用get_payload(decode = Ture)取出子信件的内容，decode为True，则按照Content-Transfer-Type将base64或QP解码为bytes。

再guess_charset猜出编码方式，之后将其解码为字符显示。

如果不是Text对象，则为附件：

打印出附件的Content-Type。