如何在Bash中从Thunderbird的Inbox文件提取特定邮件内容？

Thunderbird的标准Inbox文件是MBOX格式，这是一种传统邮件存储格式，所有邮件按顺序拼接，每封邮件以From （注意开头是From加空格）作为分隔符。直接用less查看自然会显得杂乱，下面给你两种实用的处理方式：

一、用命令行工具快速筛选提取 #

用mboxgrep工具，专门针对MBOX文件设计，支持按发件人、主题、日期等条件筛选，还能提取纯文本正文，同时解决编码问题。

安装（以Debian/Ubuntu为例） #

sudo apt install mboxgrep

常用命令示例 #

1. 筛选发件人包含example@domain.com的邮件，输出纯文本正文：

mboxgrep -i -E 'From:.*example@domain.com' --text-only Inbox

• -i：忽略大小写匹配
• -E：启用正则表达式匹配
• --text-only：仅提取邮件纯文本正文

2. 筛选主题包含「会议」的邮件，指定UTF-8编码输出：

mboxgrep -i -E 'Subject:.*会议' --text-only --charset=utf-8 Inbox

3. 按日期范围筛选（比如2024年5月的邮件）：

mboxgrep -E 'Date:.*May 2024' --text-only Inbox

二、用Python脚本灵活处理 #

如果需要自定义复杂逻辑（比如批量导出、多条件组合筛选），用Python自带的mailbox模块即可，无需额外安装依赖。

示例脚本 #

import mailbox
from email import policy
from email.parser import BytesParser

def extract_plain_text(msg):
    # 递归提取邮件纯文本正文
    if msg.is_multipart():
        for part in msg.walk():
            if part.get_content_type() == 'text/plain':
                return part.get_content(decode=True).decode('utf-8', errors='replace')
    else:
        if msg.get_content_type() == 'text/plain':
            return msg.get_content(decode=True).decode('utf-8', errors='replace')
    return ''

# 打开MBOX文件
mbox = mailbox.mbox('Inbox', create=False)

# 遍历邮件并筛选
for raw_msg in mbox:
    # 解析邮件头，自动处理编码问题
    parsed_msg = BytesParser(policy=policy.default).parsebytes(raw_msg.as_bytes())
    sender = parsed_msg['From']
    subject = parsed_msg['Subject']
    date = parsed_msg['Date']
    body = extract_plain_text(parsed_msg)
    
    # 自定义筛选条件：比如发件人包含指定邮箱
    if 'example@domain.com' in str(sender):
        print(f"发件人: {sender}")
        print(f"主题: {subject}")
        print(f"日期: {date}")
        print("正文:")
        print(body)
        print("-"*50)

mbox.close()

脚本说明 #

• 用policy.default解析邮件，自动兼容UTF-8等编码格式
• extract_plain_text函数遍历邮件的MIME结构，精准提取纯文本内容
• 可根据需求修改筛选逻辑（比如日期范围、关键词组合匹配）

补充：用less正确查看编码 #

如果只是临时查看Inbox内容，指定UTF-8编码即可：

LESSCHARSET=utf-8 less Inbox

不过这种方式仅能改善编码显示，无法实现结构化筛选。

内容的提问来源于stack exchange，提问作者CloudWatcher