我想将 Outlook .msg 文件视为字符串并检查其中是否存在子字符串。
所以我认为导入 win32 库(在类似的 SO 线程中建议)将是一种矫枉过正。
相反,我尝试以与 .txt 文件相同的方式打开文件:
file_path= 'O:\\MAP\\177926 Delete comiitted position.msg'
mail = open(file_path)
mail_contents = mail.read()
print(mail_contents)
但是,我明白了
UnicodeDecodeError: 'charmap' codec can't decode byte 0x90 in position 870: character maps to <undefined>
我可以指定任何解码以使其工作吗?
我也试过
mail = open(file_path, encoding='utf-8')
返回
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 0: invalid continuation byte
请您参考如下方法:
除非您愿意做很多工作,否则您真的应该为此使用库。
首先,.msg 文件是二进制文件,因此内容不应作为字符串读入。字符串通常以 空字节 结尾,二进制文件中可能包含很多这样的字符串,这可能意味着您没有查看所有数据(可能取决于实现)。
此外,.msg 文件可以在文件的不同部分/ block 中包含纯 ascii 和/或 unicode,因此很难将其视为一个字符串来搜索子字符串.
作为替代方案,您可以将邮件保存为 .eml(即电子邮件的纯文本版本),但是要搜索特定的邮件,仍然需要克服一些问题文本:
- e-mail 中的所有数据是较低的 ascii (1-127),这意味着特殊字符必须编码为较低的 ascii 字节。 header (例如“主题”)、正文、附件有几种不同的编码。
- 正文:可以是纯文本或 hml(或两者)。行和词可以拆分,因为存在最大行长度。可以使用不同的编码,甚至是
base64,在这种情况下您永远找不到要查找的文本。 - 要正确解码所有内容还需要做很多工作,但这应该让您了解要找到您要查找的文本必须做的工作。
