编码错误：通过AWS SES在MIME文件数据中

Question

我试图通过aws SES从MIME中检索附件数据，如文件格式和文件名。不幸的是，某些时间文件名编码被更改，例如文件名是“3_amrishmishra_Entry Level Resume - 02.pdf”，而在MIME中它显示为'=？UTF-8？Q？amrishmishra = 5FEntry_Level_Resume_ = E2 = 80 = 93_02 = 2Epdf？= '，任何获得确切文件名的方法？

if email_message.is_multipart():
message = ''
if "apply" in receiver_email.split('@')[0].split('_')[0] and isinstance(int(receiver_email.split('@')[0].split('_')[1]), int):
    for part in email_message.walk():
        content_type = str(part.get_content_type()).lower()
        content_dispo = str(part.get('Content-Disposition')).lower()
        print(content_type, content_dispo)

        if 'text/plain' in content_type and "attachment" not in content_dispo:
            message = part.get_payload()


        if content_type in ['application/pdf', 'text/plain', 'application/vnd.openxmlformats-officedocument.wordprocessingml.document', 'image/jpeg', 'image/jpg', 'image/png', 'image/gif'] and "attachment" in content_dispo:
            filename = part.get_filename()
            # open('/tmp/local' + filename, 'wb').write(part.get_payload(decode=True))
            # s3r.meta.client.upload_file('/tmp/local' + filename, bucket_to_upload, filename)

            data = {
                'base64_resume': part.get_payload(),
                'filename': filename,
            }
            data_list.append(data)
    try:
        api_data = {
            'email_data': email_data,
            'resumes_data': data_list
        }
        print(len(data_list))
        response = requests.post(url, data=json.dumps(api_data),
                                 headers={'content-type': 'application/json'})
        print(response.status_code, response.content)
    except Exception as e:
        print("error %s" % e)

Answer 1

这个语法'=?UTF-8?Q?...?='是一个MIME encoded word。当标头值包含非ASCII字符（RFC 2047中的血腥细节）时，它在MIME电子邮件中使用。您的附件文件名包含“en dash”字符，这就是使用此编码发送的原因。

处理它的最佳方法取决于您使用的Python版本...

Python 3

Python 3更新的email.parser包可以为您正确解码RFC 2047标头：

# Python 3
from email import message_from_bytes, policy

raw_message_bytes = b"<< the MIME message you downloaded from SES >>"
message = message_from_bytes(raw_message_bytes, policy=policy.default)
for attachment in message.iter_attachments():
    # (EmailMessage.iter_attachments is new in Python 3)
    print(attachment.get_filename())
    # amrishmishra_Entry Level Resume – 02.pdf

你必须特别要求policy.default。如果不这样做，解析器将使用compat32策略复制Python 2.7的错误行为 - 包括不解码RFC 2047.（此外，早期的Python 3版本仍然在新的电子邮件包中发现错误，所以请确保你在Python 3.5或更高版本上。）

Python 2

如果您使用的是Python 2，最好的选择是升级到Python 3.5或更高版本，如果可能的话。 Python 2的电子邮件解析器有许多错误和限制，这些错误和限制是通过Python 3中的大量重写修复的。（并且重写增加了上面显示的iter_attachments()等方便的新功能。）

如果您无法切换到Python 3，则可以使用email.header.decode_header自行解码RFC 2047文件名：

# Python 2 (also works in Python 3, but you shouldn't need it there)
from email.header import decode_header

filename = '=?UTF-8?Q?amrishmishra=5FEntry_Level_Resume_=E2=80=93_02=2Epdf?='
decode_header(filename)
# [('amrishmishra_Entry Level Resume \xe2\x80\x93 02.pdf', 'utf-8')]

(decoded_string, charset) = decode_header(filename)[0]
decoded_string.decode(charset)
# u'amrishmishra_Entry Level Resume – 02.pdf'

但同样，如果你想在Python 2.7中解析真实世界的电子邮件，请注意这可能只是你遇到的几个问题中的第一个。

我维护的django-anymail包中包含compatibility version的email.parser.BytesParser，试图在Python 2.7电子邮件解析中解决几个（但不是全部）other bugs。您可以为您的目的借用该（内部）代码。 （或者既然你标记了你的问题Django，你可能想要查看Anymail的规范化inbound email处理，其中包括Amazon SES支持。）