IMAP协议中=\r\n换行符如何解码？Python邮件爬取解码问题求解

你遇到的=\r\n不是异常换行，是**quoted-printable（QP编码，可打印引号编码）**的标准软换行标识，问题出在你跳过了邮件传输编码的解析步骤，直接把原始载荷当成纯文本处理了。
邮件在传输过程中为了兼容仅支持7位ASCII的旧传输链路，非ASCII内容、HTML内容经常会用QP编码，QP规定单行长度不能超过76字符，超出位置就会插入=\r\n作为软换行标记，该标记在解码时需要被删除，同时拼接换行前后的内容。除了软换行，你拿到的原始内容里大概率还存在=XX形式的十六进制转义字符，比如=E4=BD=A0对应中文「你」，手动清理很容易遗漏。

不要手动替换=\r\n，直接用Python标准库的内置能力完成解码即可，两种常用实现方式如下：

方式1：基于email模块全流程解析（推荐） #

拉取到原始邮件字节后，先用email模块完成邮件结构和编码的自动解析，不需要自己判断编码类型：

import imaplib
from email.parser import BytesParser
from email.policy import default

# 连接IMAP、搜索邮件的逻辑你已经实现，这里只放核心解码部分
# 假设你用imaplib fetch到的原始邮件字节存在raw_email变量中
msg = BytesParser(policy=default).parsebytes(raw_email)

def get_clean_html(msg):
    if msg.is_multipart():
        for part in msg.walk():
            if part.get_content_type() == 'text/html':
                # 自动处理QP、base64等所有标准邮件传输编码
                content_bytes = part.get_payload(decode=True)
                # 自动获取内容编码，兜底用utf-8
                charset = part.get_content_charset() or 'utf-8'
                return content_bytes.decode(charset, errors='replace')
    else:
        if msg.get_content_type() == 'text/html':
            content_bytes = part.get_payload(decode=True)
            charset = part.get_content_charset() or 'utf-8'
            return content_bytes.decode(charset, errors='replace')
    return ""

# 调用后得到的html_content已经完全清理了QP编码标识
html_content = get_clean_html(msg)

方式2：手动用quopri模块解码QP内容 #

如果你已经单独拿到了带QP编码的HTML原始字符串，可以直接用quopri库解码：

import quopri

# 假设带编码的原始HTML字符串存在raw_html_str变量中
raw_html_bytes = raw_html_str.encode('utf-8')
decoded_bytes = quopri.decodestring(raw_html_bytes)
clean_html = decoded_bytes.decode('utf-8', errors='replace')

内容的提问来源于stack exchange，提问作者BartMolk