Python解析EML文件时如何解码UTF-8 Hex编码（如=E2=80=93）？

嘿，我之前处理EML文件时也踩过这个坑！你看到的=E2=80=93是quoted-printable编码格式，对应短破折号（en dash），其实Python的email模块本身就有完整的解码能力，只是需要用对方法，下面给你两种靠谱的解决方案：

• 方案一：利用get_payload的decode参数自动解码
  这是最省心的方式，email模块会自动识别编码格式并解码，同时我们要注意获取邮件的字符集（避免乱码）：

  import email
  
  # 读取EML文件
  with open('your_email.eml', 'rb') as eml_file:
      msg = email.message_from_file(eml_file)
  
  # 处理多部分邮件（大部分邮件都是多部分的）
  if msg.is_multipart():
      for part in msg.walk():
          # 只处理纯文本内容，如果你需要HTML可以改成'text/html'
          if part.get_content_type() == 'text/plain':
              # decode=True自动解码quoted-printable或base64编码
              content_bytes = part.get_payload(decode=True)
              # 获取邮件指定的字符集，默认用utf-8兜底
              charset = part.get_content_charset() or 'utf-8'
              decoded_content = content_bytes.decode(charset)
              print(decoded_content)
  else:
      # 单部分邮件的处理逻辑
      content_bytes = msg.get_payload(decode=True)
      charset = msg.get_content_charset() or 'utf-8'
      decoded_content = content_bytes.decode(charset)
      print(decoded_content)
  

• 方案二：手动调用quopri模块解码
  如果第一种方案因为某些特殊邮件格式没生效，可以手动用quopri模块解码quoted-printable编码：

  import email
  import quopri
  
  with open('your_email.eml', 'rb') as eml_file:
      msg = email.message_from_file(eml_file)
  
  # 获取原始编码内容
  encoded_content = msg.get_payload()
  # 解码字节流
  decoded_bytes = quopri.decodestring(encoded_content)
  # 转成字符串，同样注意字符集
  decoded_content = decoded_bytes.decode('utf-8')
  print(decoded_content)
  

关键注意点 #

• 不要直接读取get_payload()的原始内容，一定要加上decode=True，否则只会拿到未解码的=E2=80=93这类字符串；
• 务必获取邮件头里指定的字符集（get_content_charset()），不要硬编码utf-8，避免部分非utf-8编码的邮件出现乱码；
• 多部分邮件要通过walk()遍历所有部分，找到你需要的文本类型（plain或html）。

内容的提问来源于stack exchange，提问作者formicaman