Python email包：如何可靠转换/解码多部分邮件为str？编码错误求助

遇到这种旧邮件的编码问题真的很闹心——明明邮件头标注了gb2312字符集，转字符串时却因为\ufffd（Unicode替换字符）触发UnicodeEncodeError。本质原因是：邮件的实际内容并非纯GB2312编码，可能存在字节损坏、混入其他编码字符的情况，而Python默认会严格按照邮件头指定的charset去编码，遇到GB2312不支持的\ufffd就会报错。

下面是针对性的解决方案，涵盖多部分邮件的处理和安全转字符串的方法：

1. 用现代邮件策略读取邮件 #

首先，建议使用Python 3.3+引入的email.policy.default策略读取邮件，它比旧的compat32策略（message_from_binary_file默认使用）更符合现代邮件标准，处理编码更灵活：

import email
from email.policy import default

with open('/path/to/problematic:2,S', mode='rb') as f:
    msg = email.message_from_binary_file(f, policy=default)

2. 递归解析多部分邮件内容 #

多部分邮件需要逐个解析子部分，手动处理每个部分的编码错误：

def extract_email_content(msg):
    """递归提取邮件的文本内容，处理编码错误"""
    if msg.is_multipart():
        # 多部分邮件，递归处理每个子部分
        content_parts = []
        for part in msg.get_payload():
            content_parts.append(extract_email_content(part))
        return '\n\n'.join(content_parts)
    else:
        # 单部分邮件，解码内容
        # 获取字符集，优先用邮件头指定的，没有则用UTF-8兜底
        charset = msg.get_content_charset() or 'utf-8'
        # 解码时处理错误：replace将无法识别的字符转为?，ignore直接忽略，按需选择
        try:
            decoded_content = msg.get_payload(decode=True).decode(charset, errors='replace')
        except LookupError:
            # 如果指定的字符集不存在（比如拼写错误），用UTF-8兜底
            decoded_content = msg.get_payload(decode=True).decode('utf-8', errors='replace')
        return decoded_content

# 获取完整的邮件文本内容
full_email_text = extract_email_content(msg)
print(full_email_text)

3. 安全将整个邮件对象转为字符串 #

如果需要把包括邮件头在内的整个邮件转为字符串，直接用str(msg)会触发编码错误，建议先转为bytes再用UTF-8解码并处理错误：

# 将邮件转为bytes，再用UTF-8解码，处理无法编码的字符
mail_bytes = msg.as_bytes()
mail_str = mail_bytes.decode('utf-8', errors='replace')

额外注意点 #

• \ufffd是解码时无法识别字节生成的替换符，说明邮件内容本身存在损坏或编码混杂，使用errors='replace'可以避免报错，同时保留大部分可读内容；
• 旧邮件的charset可能存在拼写错误（比如gb2312写成gb2312-80），代码中的LookupError捕获可以应对这种情况；
• 如果需要保留原邮件的编码格式，也可以尝试用errors='backslashreplace'，将无法编码的字符转为\uFFFD这样的字符串形式，方便后续排查问题。

内容的提问来源于stack exchange，提问作者P. B.