如何通过Gmail API获取多次转发邮件的原始内容？

我尝试通过Gmail API获取转发至当前账户的原始邮件内容，但输出里不仅带有转发头信息，原始消息还多次重复，无法得到纯净的原始内容。

我的代码： #

import lxml.html
from bs4 import BeautifulSoup
import base64  # 原代码遗漏此导入，需补充

myid = "18147a05aba83e45"
# service 是访问Gmail API所需的服务对象，此处省略获取service的代码
txt = service.users().messages().get(userId='me', id=myid).execute()

try:
    if 'INBOX' in txt['labelIds']:
        payload = txt['payload']
        parts = payload.get('parts')[0]
        data = parts['body']['data']
        data = data.replace("-","+").replace("_","/")
        decoded_data = base64.b64decode(data)
        soup = BeautifulSoup(decoded_data , "lxml")
        body = soup.body()
        body = str(body)
        body = body[1:-1]
        my_msg = lxml.html.fromstring(body).text_content()
        print(my_msg)
except Exception as e:
    print('exception', e)

原始邮件内容： #

Hshhsjshshhsbsbhs d dddd
1.5.5.5
2. D d. Sbsh

代码输出： #

-----Forwarded message-----
From: NiKHiL
Date: Mon, Jul 11, 2822, 12:42 PM
Subject: 0eiginal sub
To: nikhilchauhanxd@gmail.com

Hshhsjshshhsbsbhs d dddd
1.5.5.5
2. D d. Sbsh
,
Date: Mon, Jul 11, 2022, 12:42 PM
Subject: Oeiginal sub
To: nikhilchauhanxd@gnail.com

Hshhsjshshhsbsbhs d dddd
1.5.5.5
2. D d. Sbsh
,

Hshhsjshshhsbsbhs d dddd
1.5.5.5
2. D d. Sbsh

问题根源在于你直接读取邮件的第一个part，未处理转发邮件的嵌套结构或文本分隔特征，以下是两种可靠的处理方式：

方式一：通过MIME结构提取原始邮件 #

转发邮件在Gmail API中通常会以message/rfc822类型的嵌套part存储原始邮件，遍历parts即可精准提取：

import base64
import email

myid = "18147a05aba83e45"
# 获取原始格式邮件，便于解析MIME结构
txt = service.users().messages().get(userId='me', id=myid, format='raw').execute()

try:
    # 解码原始邮件数据
    raw_data = txt['raw'].replace("-","+").replace("_","/")
    decoded_raw = base64.b64decode(raw_data)
    msg = email.message_from_bytes(decoded_raw)

    # 遍历查找嵌套的原始邮件
    for part in msg.walk():
        if part.get_content_type() == 'message/rfc822':
            original_msg = email.message_from_bytes(part.get_payload(decode=True))
            # 提取原始邮件的纯文本内容
            if original_msg.is_multipart():
                for sub_part in original_msg.walk():
                    if sub_part.get_content_type() == 'text/plain':
                        print(sub_part.get_payload(decode=True).decode())
                        break
            else:
                print(original_msg.get_payload(decode=True).decode())
            break
    else:
        # 未找到嵌套结构时，用文本分隔符处理
        for part in msg.walk():
            if part.get_content_type() == 'text/plain':
                body = part.get_payload(decode=True).decode()
                if '-----Forwarded message-----' in body:
                    # 跳过转发头，取第一个空行后的内容
                    original_content = body.split('-----Forwarded message-----')[-1].split('\n\n', 1)[-1].strip()
                    print(original_content)
                else:
                    print(body)
                break
except Exception as e:
    print('exception', e)

方式二：文本分割过滤（简单场景适用） #

如果邮件是纯文本格式，直接通过Gmail默认的转发分隔符分割文本，快速提取原始内容：
修改原代码的解码后处理逻辑：

# ... 原代码中解码部分
decoded_data = base64.b64decode(data)
body_text = decoded_data.decode()

if '-----Forwarded message-----' in body_text:
    # 分割并提取原始内容
    forwarded_section = body_text.split('-----Forwarded message-----')[-1]
    original_content = forwarded_section.split('\n\n', 1)[-1].strip()
    print(original_content)
else:
    print(body_text)

注意事项： #

1. 原代码遗漏base64库导入，必须补充否则会报错。
2. 邮件可能同时包含HTML和纯文本版本，优先处理text/plain部分更稳定。
3. 不同邮箱的转发分隔符可能有差异，Gmail默认使用-----Forwarded message-----，其他邮箱需对应调整。

内容的提问来源于stack exchange，提问作者NiKHiL