Python でメールファイルから本文を取り出す

Python でメールファイルから本文取り出す方法を調べていたところ Message クラスを使っている例ばかりが出てきて、「なんで EmailMessage クラスを使わないのだろう」と思ったのでやってみた。

from email.message import EmailMessage


def parse_message(message: EmailMessage) -> tuple[str, str, list[tuple[str, str, str | bytes]]]:
    """EmailMessage から プレーンテキスト, HTML, 添付ファイル を取り出す"""
    text, html, attachments = "", "", []

    for part in message.walk():
        if part.is_multipart():
            continue
        content_type = part.get_content_type().lower()
        filename = part.get_filename()
        content = part.get_content()
        if filename:
            attachments.append((content_type, filename, content))
        elif content_type == "text/plain":
            text += content
        elif content_type == "text/html":
            html += content
        else:
            raise Error(f"Unknown Content-Type: {content_type}")

    return text, html, attachments

Amazon S3 にあるメールファイルを読み込んで本文を取り出す例がこんな感じ。

from email import message_from_binary_file
from email.policy import EmailPolicy
import boto3

s3 = boto3.client("s3")
obj = s3.get_object(Bucket="...", Key="...")
message = message_from_binary_file(obj["Body"], policy=EmailPolicy())
headers = message.items()
text, html, attachments = parse_message(message)

message_from_binary_file の引数 policy= は Python 3.2 と後方互換がある Compat32 がデフォルトになっており、このポリシーで読み込むと Message 型のメッセージが返ってくる。明示的に EmailPolicy を指定することで EmailMessage 型のメッセージを得ることができて、こちらのほうが parse する際に少し便利なので良い。(そこまで違いはないが)

参考

• email.message: 電子メールメッセージの表現 — Python 3 ドキュメント
• email.policy: ポリシーオブジェクト — Python 3 ドキュメント