如何在Python中提取email.message.Message对象的邮件正文？

邮件正文常见纯文本（text/plain）和HTML（text/html）两种格式，且邮件分为单部分、多部分两种结构，需针对性处理：

核心处理逻辑 #

• 单部分邮件：直接解码获取内容
• 多部分邮件：遍历所有邮件部分，提取文本类型的内容

完整代码示例 #

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

def get_message_body(message):
    # 处理多部分邮件
    if message.is_multipart():
        for part in message.walk():
            content_type = part.get_content_type()
            # 提取纯文本或HTML格式的正文
            if content_type in ['text/plain', 'text/html']:
                charset = part.get_content_charset() or 'utf-8'
                # 解码并处理编码异常
                return part.get_payload(decode=True).decode(charset, errors='replace')
        return ""
    else:
        # 处理单部分邮件
        charset = message.get_content_charset() or 'utf-8'
        return message.get_payload(decode=True).decode(charset, errors='replace')

# 加载mbox文件，使用policy.default保证兼容性
the_mailbox = mailbox.mbox(mbox_fname, factory=lambda f: BytesParser(policy=policy.default).parse(f))

for message in the_mailbox:
    subject = message["subject"]
    content = get_message_body(message)
    # 示例：打印主题和正文
    print(f"主题: {subject}")
    print(f"正文: {content}\n")

关键细节说明 #

• policy.default：让邮件解析结果符合现代邮件规范，减少编码和格式兼容问题
• walk()：遍历邮件的所有嵌套部分，确保不会遗漏深层的文本内容
• decode=True：自动处理邮件的内容传输编码（如base64、quoted-printable）
• errors='replace'：遇到编码无法识别的字符时用�替代，避免程序崩溃，可根据需求改为ignore

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