如何让email.Header.decode_header使用非ASCII字符？

-1

我借用下面的代码来解析电子邮件标题，并且另外在下面添加一个标题。无可否认，我并不完全理解模块应该直接使用的所有脚手架的原因。如何让email.Header.decode_header使用非ASCII字符？

值得注意的是Headers未被实例化;而其decode_header函数被调用：

class DecodedHeader(object): 
    def __init__(self, s, folder): 
     self.msg=email.message_from_string(s[1]) 
     self.info=parseList(s[0]) 
     self.folder=folder 

    def __getitem__(self,name): 
     if name.lower()=='folder': return self.folder 
     elif name.lower()=='uid': return self.info[1][3] 
     elif name.lower()=='flags': return ','.join(self.info[1][1]) 
     elif name.lower()=='internal-date': 
      ds= self.info[1][5] 
      if Options.dateFormat: 
       ds= time.strftime(Options.dateFormat,imaplib.Internaldate2tuple('INTERNALDATE "'+ds+'"')) 
      return ds 
     elif name.lower()=='size': return self.info[1][7] 
     val= self.msg.__getitem__(name) 
     if val==None: return None 
     return self._convert(email.Header.decode_header(val),name) 
    def get(self,key,default=None): 
     return self.__getitem__(key) 

    def _convert(self, list, name): 
     l=[] 
     for s, encoding in list: 
      try:  
       if (encoding!=None): 
        s=unicode(s,encoding, 'replace').encode(Options.encoding,'replace') 
      except Exception, e: 
       print >>sys.stderr, "Encoding error", e 
      l.append(s) 

     res= "".join(l) 
     if Options.addr and name.lower() in ('from','to', 'cc', 'return-path','reply-to'): res=self._modifyAddr(res) 
     if Options.dateFormat and name.lower() in ('date'): res = self._formatDate(res) 
     return res

这里的问题：当头部（VAL）中包含非ASCII字符，如A和A，我得到：

Traceback (most recent call last): 
    File "v12.py", line 434, in <module> 
    main() 
    File "v12.py", line 396, in main 
    writer.writerow(msg) 
    File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/csv.py", line 152, in writerow 
    return self.writer.writerow(self._dict_to_list(rowdict)) 
    File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/csv.py", line 149, in _dict_to_list 
    return [rowdict.get(key, self.restval) for key in self.fieldnames] 
    File "v12.py", line 198, in get 
    return self.__getitem__(key) 
    File "v12.py", line 196, in __getitem__ 
    return self._convert(email.Header.decode_header(val),name) 
    File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/email/header.py", line 76, in decode_header 
    header = str(header) 
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe4' in position 1: ordinal not in range(128)

其中u'\ XE4 '是ä。传递之前header.py的顶部上val

调用的Unicode（） - UTF-8 -：

我试过几件事情：

添加＃ - - 编码到decode_header()

调用.encode上val（ 'UTF-8'）将其传递给decode_header()

调用.encode（ 'ISO-8859-1'）上val它传递给decode_header()之前前

没有任何上述的喜悦。这里的原因是什么？鉴于我期待保持上述email.Header的使用（并且直接实例化头部而不是），我们如何确保非ASCII字符被decode_header成功解码？

来源

2015-06-18 Pyderman

这使得它有点offputting，试图帮助时，您所提供的例子是难以运行。您可能想要查看http://stackoverflow.com/help/mcve。我会通过跳槽来解决问题并尝试解决问题。但是......需要更多的MCVE才能开始。 – GreenAsJade

@GreenAsJade公平点。然而，要包含代码的其余部分以及其他所谓的模块，为了让它运行起来，我们需要数百行代码。我原以为Python大师能够单独查明代码审查中的错误。就像我所说的，我已经尝试了各种各样的东西（参见上文），并研究了几个其他的围绕email.Header和编码/编码的SO帖子，但都无济于事。 – Pyderman

@GreenAsJade以下是完整代码的链接：http：//old.zderadicka.eu/mailexp。py为了重现此问题，您需要拥有（或创建）至少包含一个包含像ä这样的字符的标头的电子邮件。 – Pyderman

标题必须被正确编码才能被解码。它看起来像val来自一个已经存在的消息，所以也许这个消息是不好的。该错误表明它是一个Unicode字符串，但它应该是该字符串。 Python帮助email.header中的例子很简单。

下面编码两个头甚至不使用相同的编码：

>>> import email.header 
>>> h = email.header.Header(u'To: Märk'.encode('iso-8859-1'),'iso-8859-1') 
>>> h.append(u'From: Jòhñ'.encode('utf8'),'utf8') 
>>> h 
<email.header.Header instance at 0x00559F58> 
>>> s = h.encode() 
>>> s 
'=?iso-8859-1?q?To=3A_M=E4rk?= =?utf-8?b?RnJvbTogSsOyaMOx?='

注意，正确编码头是一个字节的字符串带有嵌入式编码名称，它不使用非ASCII字符。

这对其解码：

>>> email.header.decode_header(s) 
[('To: M\xe4rk', 'iso-8859-1'), ('From: J\xc3\xb2h\xc3\xb1', 'utf-8')] 
>>> d = email.header.decode_header(s) 
>>> for s,e in d: 
... print s.decode(e) 
... 
To: Märk 
From: Jòhñ

来源

2015-06-19 03:15:57

如何让email.Header.decode_header使用非ASCII字符？

回答

相关问题