本文详解使用 Python 的 email 模块从 IMAP 获取的原始邮件字节中安全、准确地提取纯文本或 HTML 正文的方法，重点解决 get_payload() 返回嵌套 Message 对象而非字符串的常见问题。
本文详解使用 python 的 `email` 模块从 imap 获取的原始邮件字节中安全、准确地提取纯文本或 html 正文的方法，重点解决 `get_payload()` 返回嵌套 message 对象而非字符串的常见问题。
在通过 imaplib 获取邮件后，许多开发者会误用 email.message_from_string() 处理二进制响应，或直接调用 get_payload() 而未考虑邮件的 MIME 结构——这正是你遇到 body 显示为
现代邮件（尤其是含附件、图文混排或多格式（text/plain + text/html）的邮件）几乎都是 multipart/alternative 或更复杂的嵌套结构。email_message.get_payload() 在 multipart 邮件中返回的是 list 类型的子部件（即 Message 对象列表），而非可读字符串；而旧式 message_from_string() 强制将字节流按 UTF-8 解码再解析，极易因编码不一致（如 ISO-8859-1、GBK）引发 UnicodeDecodeError。
✅ 正确做法是：
- 使用 email.message_from_bytes() 直接处理原始 bytes 响应；
- 启用 email.policy.default（Python 3.3+）以获得功能完备的 EmailMessage 类；
- 调用 get_body(('text', 'html')) 自动选择最合适的正文部分（优先 text，fallback 到 html）；
- 最后用 .get_content() 安全提取字符串内容（自动处理字符集解码）。
以下是修正后的核心代码段：
import imaplib
import email
from email.policy import default
def read(username, password, sender_of_interest=None):
imap = imaplib.IMAP4_SSL("imap.mail.com", 993)
imap.login(username, password)
imap.select('INBOX')
# 构建搜索条件
search_criteria = ['UNSEEN']
if sender_of_interest:
search_criteria.extend(['FROM', sender_of_interest])
status, response = imap.uid('SEARCH', None, *search_criteria)
if status != 'OK':
return []
unread_ids = response[0].split()
data_list = []
for e_id in unread_ids:
# ✅ 关键修正：直接使用 bytes + message_from_bytes
_, msg_data = imap.uid('FETCH', e_id, '(RFC822)')
raw_email = msg_data[0][1] # type: bytes
email_message = email.message_from_bytes(raw_email, policy=default)
# ✅ 提取结构化信息（自动处理编码）
mail_to = email_message.get('To', '')
mail_subject = email_message.get('Subject', '')
mail_from = email.utils.parseaddr(email_message.get('From', ''))
# ✅ 安全提取正文：优先 text/plain，无则 fallback text/html
body_part = email_message.get_body(preferencelist=('text', 'html'))
body_text = body_part.get_content() if body_part else ''
data_dict = {
'mail_to': mail_to,
'mail_subject': mail_subject,
'mail_from': mail_from,
'body': body_text.strip() # 去除首尾空白
}
data_list.append(data_dict)
imap.logout()
return data_list⚠️ 重要注意事项：
- get_body() 在遇到深度嵌套 multipart（如 multipart/mixed 包含附件和正文）时可能返回 None 或非预期类型。若需更高鲁棒性，建议结合 walk() 遍历所有部件并手动过滤 maintype == 'text' 且 subtype in ('plain', 'html') 的部分；
- 若邮件含非 ASCII 字符但未声明 Content-Transfer-Encoding（如 base64/quoted-printable），get_content() 仍能自动解码；但若 charset 声明错误（如标称 utf-8 实际为 gbk），需捕获 UnicodeError 并尝试备用解码；
- 生产环境务必添加异常处理（连接超时、认证失败、空响应等），并避免硬编码邮箱服务器地址与端口；
- 标记已读应使用 imap.store(e_id, '+FLAGS', '\Seen')，且需在 fetch 后立即执行，防止重复拉取。
总结：提取邮件正文不是“解码字符串”，而是理解 MIME 结构 + 正确使用现代 email API。放弃 message_from_string 和裸 get_payload()，拥抱 message_from_bytes + get_body() + policy=default，即可稳定、简洁、符合 RFC 标准地获取可读正文。
