最稳方案是 get_body() + textContent：get_body() 自动选 plain/html 并解码，textContent 提取文本但不解码实体，需额外 html.unescape()；占位符替换必须在 HTML 解析前完成。
直接用 textContent 或正则删标签，90% 的 HTML 邮件正文会提取失败——不是漏掉换行语义，就是解码错 HTML 实体，或被嵌套 <script></script>、<style></style> 干扰。
为什么 get_body() + textContent 组合最稳
现代邮件多为 multipart/alternative，正文可能同时含 text/plain 和 text/html 两部分。直接调用 get_payload() 容易返回嵌套 Message 对象，而非字符串；而 get_body(preferencelist=('plain', 'html')) 会按 MIME 规范自动选首选类型，并返回已解码的 EmailMessage 对象，再对其调用 get_content() 就是干净字符串。
- 必须用
email.message_from_bytes()，不能用message_from_string()—— IMAP 返回的是字节流，后者会误判编码 -
get_body()在 Python 3.3+ 才可用，老版本需手动遍历walk()并判断get_content_type() - 若邮件含 base64 编码的 HTML（常见于 Outlook 发送），
get_body()会自动解码，无需额外处理
HTML 字符串转文本：DOMParser 是底线
对已拿到的原始 HTML 字符串（比如从 MongoDB 模板渲染后、或从邮件 text/html part 提取出来），别用正则去 strip 标签——<div><p>Hello</p></div> 和 <p><span>Hello</span></p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill12116" title="DeepBI DHTML 页面生成器"><img
src="https://img.php.cn/upload/skill/001/246/273/6adaf20d3191a227.jpg" alt="DeepBI DHTML 页面生成器" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill12116" title="DeepBI DHTML 页面生成器">DeepBI DHTML 页面生成器</a>
<p>生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面，使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力：
- 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面；
- 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”；
- 提及位于 `apps/console/src/featur</p>
</div>
<a href="/xiazai/skill12116" title="DeepBI DHTML 页面生成器" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div>
<p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p> 结构差异会让正则失效。
- 浏览器环境：用
new DOMParser().parseFromString(html, 'text/html')，再取doc.body?.textContent || '' - Node.js 环境：用
cheerio.load(html)，然后$('body').text()；避免 jsdom（启动慢、内存高） - 注意
textContent不解码 HTML 实体（如©→©），需额外调用StringEscapeUtils.unescapeHtml4()（Java）或html.unescape()（Python）
占位符替换必须在 HTML 解析前完成
模板里类似 @Payment - Amount to Pay 这种占位符，如果等 DOM 解析后再替换，就可能落在 <script></script> 或 <style></style> 块里，导致脚本执行异常或样式错乱。
- 替换必须在 HTML 字符串层面进行，用
Object.entries(replacements).forEach(...)+String.replace()，不要进 DOM 树 - 占位符中若含正则特殊字符（如
.、(、)），必须用RegExp构造函数并escape，否则@User.Name会被误匹配成@User[any_char]Name - 替换完再做 HTML 解析，顺序错了就会污染结构
真正难的不是“怎么取文字”，而是识别哪些内容该留（如段落间空行）、哪些该压平（如连续 <br><br>）、哪些实体必须解码（如 要转成空格）。这些细节不写死规则，只靠 DOM 解析 + 语义边界定位才能跨邮件客户端稳定生效。
