PyWin32读取Outlook PST邮件导出HTML时丢失Content-Type meta标签问题咨询

这不是PyWin32的bug，是Outlook本身的产品逻辑：

• PyWin32仅作为Outlook COM接口的薄封装，读取item.HTMLBody时完全透传Outlook返回的存储层原始内容，不会主动裁剪、修改任何HTML片段。
• 你在Outlook界面中查看的邮件源码里的charset meta标签，是Outlook在渲染页面、展示源码、或者执行「另存为HTML」操作时动态自动注入的，并不是PST文件中存储的邮件原始HTML的一部分。

直接对比两组输出即可确认差异来源：

• 用Outlook自带的「文件-另存为-HTML」功能导出的邮件文件，会自带这个charset meta标签
• 通过COM接口直接读取HTMLBody属性拿到的原始内容，本身就不包含这个标签
  两者除了这个自动注入的片段完全一致，不存在内容丢失问题。

如果需要导出的HTML和Outlook界面展示的源码完全对齐，只需在写入文件前，手动将这个meta标签插入到<head>节点的起始位置即可，参考修改逻辑：

# 插入文本处理逻辑到writeToFile函数的对应位置
# 先检查是否已存在同类型meta标签，避免重复插入
if '<meta http-equiv=content-type' not in messageHTML.lower():
    # 匹配第一个<head>标签，在其后插入指定meta
    messageHTML = re.sub(
        r'<head>',
        '<head><meta http-equiv=Content-Type content="text/html; charset=utf-8">',
        messageHTML,
        count=1,
        flags=re.IGNORECASE
    )
# 保留原有换行替换、写文件逻辑
messageHTML = regex.sub('\r\n', '\n', messageHTML)
file.write(messageHTML)

• 无需调整现有编码读取逻辑：当前拿到的HTML除了缺失Outlook自动注入的标签外其余内容完全一致，说明utf-8的编码处理已经正确。
• 现有针对纯文本/RTF转HTML的过滤规则无需修改，和这个meta标签的差异无关。

内容的提问来源于stack exchange，提问作者Nick