python - 如何在 python 中检测并更正电子邮件 header 中的 Content-Type 字符集？

Question

以编程方式检测和纠正 python 中电子邮件 header 中的 Content-Type charset 的正确方法是什么？

我有 1000 封电子邮件提取到 .eml(基本上是纯文本)文件，其中一些经过编码 shift_jis，但电子邮件 header 中的字符集没有提及这样，它们就无法在任何电子邮件程序中正确显示。手动将 charset 添加到 Content-Type header 可以纠正此问题。

曾经:

Content-Type: text/plain; format=flowed

需要:

Content-Type: text/plain; charset="shift_jis"; format=flowed

在 python 中保留电子邮件正文和标题的其他部分的正确方法是什么？

另外，有没有办法检测哪种编码，并只纠正那些具有该编码的编码？我不能盲目地全部转换，因为有些是 iso_2022_jp，而且它们已经正确显示。

Answer 1

与 get_charset您可以获得消息预先存在的字符集。这是一个示例:

from email import message_from_file
msg = message_from_file(open('path.eml'))
msg.get_charsets()
[None, 'gb2312', None]

通过这种方法，您可以循环遍历所有消息，并使用 set_charset() 将其设置为没有正确消息的消息。