使用email.parser.Parser创建邮件消息时的Unicode编码错误问题排查与解决

差异原因 #

咱们先拆解下两种方式的核心区别：

• 用email.message.EmailMessage()直接构建消息时，这个类的设计就是原生支持Unicode的。不管是设置头部（比如msg['Subject']）还是调用set_content()，它都会自动按照email.policy.default的规则处理：

  • 头部里的Unicode字符会被自动编码成RFC 2047格式（比如déjeuner会变成=?utf-8?q?d=C3=A9jeuner?=），完全符合邮件标准对头部的编码要求；
  • 正文内容会自动设置Content-Type: text/plain; charset="utf-8"和对应的传输编码，smtplib发送时能直接识别并正确处理。

• 而用email.parser.Parser().parsestr()解析字符串的方式，问题出在你传入的是包含原生Unicode字符的字符串。Parser的parsestr方法会把整个消息当作“已经解码完成的文本”，不会自动对头部的Unicode字符做RFC 2047编码。当smtplib的send_message()尝试把消息转换为字节流发送时，它默认会用ASCII编码处理头部，遇到à、é这类非ASCII字符自然就抛出UnicodeEncodeError了。

解决方法 #

最靠谱的解决方式是用BytesParser解析字节流，因为邮件在传输层本质就是字节流，这种方式更贴合邮件的实际格式：

msgsource = """\
From: sender@example.com
To: recipient@example.com
Subject: Ayons asperges pour le déjeuner

Cela ressemble à un excellent recipie déjeuner.
"""
# 将字符串转为UTF-8编码的字节流
msg_bytes = msgsource.encode('utf-8')
# 使用BytesParser解析字节流，而非Parser解析字符串
msg = email.parser.BytesParser(policy=email.policy.default).parsebytes(msg_bytes)

这样处理后，BytesParser会正确识别字节流的UTF-8编码，自动把头部的Unicode字符转为符合标准的RFC 2047格式，正文也会正确设置编码信息，smtplib发送时就不会再报错了。

如果你确实需要用字符串解析，也可以在解析后手动为消息补全编码处理，但这种方式不如字节流解析直接：

msg = email.parser.Parser(policy=email.policy.default).parsestr(msgsource)
# 手动重置正文的编码设置
msg.set_content(msg.get_content(), charset='utf-8')
# 手动重新编码所有头部，触发自动转RFC 2047格式的逻辑
for header_name in ['Subject', 'From', 'To']:
    value = msg[header_name]
    del msg[header_name]
    msg[header_name] = value

不过这种方式需要额外处理头部，不如第一种方法简洁可靠。

内容的提问来源于stack exchange，提问作者VPfB