将mbox格式邮件导出为PDF：如何筛选关联邮件部件？

嘿，这个问题我之前帮人处理过！multipart邮件确实容易踩坑——它把不同格式的内容拆成了多个部件，我们要做的就是精准定位到邮件客户端实际展示的核心内容部件。下面给你一套可行的方案：

核心思路：优先选择HTML格式部件 #

邮件客户端（比如Outlook、Gmail）默认会优先渲染text/html类型的内容，只有当邮件没有HTML版本时，才会显示text/plain纯文本。所以我们的遍历逻辑要遵循这个优先级：

• 递归遍历multipart的所有子部件
• 优先提取Content-Type为text/html的内容
• 如果找不到HTML，再提取text/plain的内容
• 直接跳过其他类型（比如附件、内嵌图片、二进制数据等）

代码实现示例（Python） #

结合mailbox库解析mbox文件，email库处理邮件结构，再用pdfkit生成PDF：

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

def extract_main_content(message):
    """递归查找邮件的核心内容部件"""
    if message.is_multipart():
        # 遍历所有子部件，递归查找有效内容
        for part in message.get_payload():
            content = extract_main_content(part)
            if content:
                return content
        # 所有部件都遍历完没找到有效内容，返回None
        return None
    else:
        # 非多部件邮件，直接检查内容类型
        content_type = message.get_content_type()
        if content_type == "text/html":
            # 返回HTML内容，pdfkit可以直接渲染
            return message.get_content()
        elif content_type == "text/plain":
            # 把纯文本转成HTML的pre标签，让pdfkit渲染时保留格式
            return f"<pre>{message.get_content()}</pre>"
        else:
            # 非文本类型，跳过
            return None

# 处理你的mbox文件
if __name__ == "__main__":
    # 使用policy.default可以自动处理编码和现代邮件格式
    mbox = mailbox.mbox("your_mailbox.mbox", factory=lambda f: BytesParser(policy=policy.default).parse(f))
    
    for email_idx, msg in enumerate(mbox):
        main_content = extract_main_content(msg)
        if main_content:
            # 生成PDF，文件名可以根据邮件主题调整（这里用索引简单区分）
            pdfkit.from_string(main_content, f"email_{email_idx + 1}.pdf")
            print(f"已导出邮件 {email_idx + 1} 为PDF")
        else:
            print(f"邮件 {email_idx + 1} 未找到有效文本内容，跳过")

额外注意事项 #

• 编码问题：使用policy.default解析邮件可以自动处理各种编码（比如UTF-8、GBK），避免乱码
• 内嵌图片：如果HTML里有内嵌图片（cid链接），你可能需要额外提取图片并替换cid为本地路径，不过大部分情况下，即使忽略内嵌图片，PDF也能展示核心文本内容，和客户端显示的主体一致
• Multipart类型区分：不管是multipart/alternative（多格式正文）还是multipart/mixed（正文+附件），递归遍历的逻辑都能正确找到核心内容

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