Python decode_header 拆分原始字符串

Question

使用 Python 3，我试图从mbox文件解析电子邮件。

for message in mailbox.mbox('file'):
    sender = message['From']
    c = decode_header(sender)

原始电子邮件有这个独特的From:标题

From: "=?UTF-8?Q?Mark_from_Site?=" <info@site.com>

无论如何， c是

[(b'"', None), (b'Mark from Site', 'utf-8'), (b'" <info@site.com>', None)]

在这种情况下，该行在多个元素中的引号"之后意外拆分。

处理，这可能是麻烦的，因为有可能元件的列表中的一个未定义的数目（不总是像3以上），根据的数量" ，并且还可能存在其它原因分裂。

当没有字符串编码时（即：当标头为纯ascii ），没有拆分并且c是"Mark from Site" <info@site.com> 。

对于非ascii编码，有没有办法避免这种拆分？

或者，否则，如何正确解析这种标题？

Answer 1

做最简单的事情怎么样，即。 将所有部分转换为 Unicode，然后将它们粘合在一起：

from = ''.join(t[0].decode(t[1] if t[1] else 'UTF-8') for t in decode_header(sender))

Answer 2

您可以通过使用您的字符串和应该编码的字符集创建email.header.Header实例， email.header.Header email.header模块为您处理编码。

from email.header import Header

for message in mailbox.mbox('file'):
    sender = Header(message['From'], "utf-8")
    c = decode_header(sender)

Answer 3

str(email.header.make_header(email.header.decode_header(encoded_string)))

不太明显，但这应该解码并正确重建标头并将其转换为字符串。 我也在 StackOverflow 上的某个地方找到了这个。

不确定这是否是最优雅的方式，但似乎对我有用。

有关这些函数的文档，请参阅https://docs.python.org/3/library/email.header.html 。