AWS SES邮件接收解析换行格式异常问题排查求助

我之前碰到过类似的邮件解析换行问题，咱们一步步拆解根源：

核心差异定位方向 #

你的问题核心是本地解析原始HTML邮件正常，但经AWS SES接收并存入S3后，Lambda拉取解析时HTML表格的纯文本输出出现意外换行，大概率和以下几个环节的编码/内容修改有关：

1. SES对邮件内容的标准化处理 #

AWS SES在接收入站邮件时，会对邮件做一定的标准化操作，常见的包括：

• 转换换行符格式：将Windows风格的CRLF(\r\n)转换为Unix风格的LF(\n)
• 调整MIME编码：修改Content-Transfer-Encoding头，或重新编码邮件内容
• 调整HTML空白字符：比如把连续空格、缩进转换为换行，或自动补充<br>标签

验证方法：
下载S3中存储的邮件文件，和本地原始邮件做对比：

• 直接查看HTML源码，重点看表格单元格部分的内容是否有结构变化
• 用十六进制编辑器查看换行符的字节值：本地原始文件的换行是0D 0A(CRLF)，S3文件可能已变成0A(LF)

2. S3对象获取时的解码错误 #

你的代码里直接将get_object的结果传给parse_from_string，这里大概率存在解码疏漏：

• boto3.get_object()返回的obj['Body']是StreamingBody类型，必须先读取字节流，再用邮件指定的字符集解码成字符串
• 如果邮件的Content-Type头指定了特定 charset（比如iso-8859-1），用错误的编码解码会导致换行符等字符被破坏

修复/验证代码：

import boto3
import mailparser

s3client = boto3.client('s3')
obj = s3client.get_object(Bucket=bucket_id, Key=key_id)

# 读取原始字节并按邮件实际charset解码
content_bytes = obj['Body'].read()
# 优先从邮件头提取charset，无则尝试utf-8/iso-8859-1
content_str = content_bytes.decode('utf-8')  # 替换为邮件实际的字符编码

# 解析邮件
mp = mailparser.MailParser()
parsed_mail = mp.parse_from_string(content_str)
plain_text_body = parsed_mail.text_plain[0]

3. mail-parser解析方法的差异 #

本地用parse_from_file，Lambda用parse_from_string，这两个方法对换行符的处理逻辑有细微区别：

• parse_from_file会自动适配文件系统的换行符规则（比如Windows下读文件时自动把CRLF转成\n）
• parse_from_string则完全按照传入字符串的原始字符处理，没有自动转换逻辑

验证方法：
在本地模拟Lambda的解析流程：

import mailparser

# 本地读取文件为字符串，模拟Lambda从S3获取的内容
with open('local_email.eml', 'rb') as f:
    content_bytes = f.read()
content_str = content_bytes.decode('utf-8')  # 和Lambda用相同编码

mp = mailparser.MailParser()
parsed_mail = mp.parse_from_string(content_str)
print(parsed_mail.text_plain[0])

如果输出和Lambda一样出现换行，说明问题出在字符串解析的换行处理，而非AWS服务的修改。

最可能的根本原因 #

结合我的经验，SES自动转换换行符格式并修改了HTML空白字符的处理逻辑是最常见的原因：

• 原始HTML邮件中表格单元格的Description Text是连续文本，SES在标准化处理时将空格转换为换行符，或者CRLF转LF后，mail-parser解析HTML时误将LF当成了换行指令
• 另一种可能是SES对邮件进行了MIME重新封装，导致HTML中的空白字符被编码或转换，最终解析纯文本时出现意外换行

内容的提问来源于stack exchange，提问作者Simon Taylor