使用imaplib与email库解析IMAP邮件时主链接丢失如何解决

• 输出结果里出现的=C2=A0、=E2=80=A6、=C2=B7属于Quoted-Printable传输编码未解码的特征，直接调用无参数的get_payload()时，方法不会自动根据邮件头的编码声明解析内容，只会返回原始编码后的字符串。
• 主链接丢失的核心原因：你硬编码取get_payload()[0]拿到的是邮件多部分结构里的第一块内容，这类订阅类邮件普遍采用multipart/alternative格式封装，同时存储纯文本（text/plain）和富文本（text/html）两个版本的内容，纯文本版本通常会省略标题位置的主链接，仅保留正文的次级链接，主链接只存在于HTML版本的<a>标签中。
• 你之前传入policy=policy.default未生效，是因为没有配套调整payload提取逻辑：默认策略需要配合get_content()方法使用，同时你没有遍历所有邮件块、匹配HTML内容段，自然拿不到缺失的主链接。

待解析目标邮件共包含3条链接，内容展示参考：

按照以下逻辑调整代码即可完整提取所有链接，同时解决乱码问题：

1. 解析邮件时传入policy=policy.default参数，不要用旧版兼容模式的默认策略
2. 用walk()方法递归遍历邮件的所有内容块，跳过附件部分，优先提取text/html类型的内容，不存在HTML版本时再降级取纯文本内容
3. 调用get_content()方法获取解码后的明文内容，该方法会自动处理Quoted-Printable、Base64等传输编码的解码，不会出现乱码
4. 用HTML解析器提取所有<a>标签的href属性，即可拿到全部链接

可直接复用的参考代码：

import imaplib
import email
from email import policy
from bs4 import BeautifulSoup

# 以下为连接、登录IMAP的前置逻辑，省略示例
# mail = imaplib.IMAP4_SSL("imap.gmail.com")
# mail.login("your_email", "your_auth_code")
# mail.select("INBOX")

typ, email_data = mail.fetch('599', '(RFC822)')
msg = email.message_from_bytes(email_data[0][1], policy=policy.default)

content = ""
# 遍历所有邮件块
for part in msg.walk():
    if part.is_attachment():
        continue
    ctype = part.get_content_type()
    # 优先取HTML富文本内容
    if ctype == "text/html":
        content = part.get_content()
        break
    # 无HTML版本时取纯文本兜底
    if ctype == "text/plain" and not content:
        content = part.get_content()

# 提取所有链接
soup = BeautifulSoup(content, "html.parser")
all_links = [tag["href"] for tag in soup.find_all("a", href=True)]

print(all_links) # 输出包含主链接在内的全部3条链接，无乱码

不想额外安装BeautifulSoup的话，也可以用Python标准库自带的html.parser模块实现链接提取，或者用正则匹配href属性，但正则对格式不规范的HTML兼容性差，优先推荐用解析器提取。

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