Pythonでimaplibを使って、メールを読み込んでいます。
base64コード変換後、HTMLとして表示されます。
HTMLをテキストへ変換したいですが、変更するにはどのようにすれば良いでしょうか。
①print(maintext) BASE64コード状態
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
②BASE64元のデータへ戻す
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "_http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<title>WEB</title>
</head>
<body style="font-family: Arial; font-size: 12px; color: #3E403D;">
<div style="text-align: center;">
<table style="font-family: Arial; font-size: 12px; color: #3E403D;width: 600px; border-width: 0; margin: auto; text-align: left; direction: ltr;" border="0" cellpadding="0" cellspacing="0">
<tbody>
<tr>
<td style="background-color: #464646; padding: 5px 20px;"><img src="https://my.iamweb.com/images/emails/logo.png" alt="web" style="vertical-align: middle;">
</td>
</tr>
<tr>
<td style="padding:20px; line-height: 18px; border-left: solid 1px #B8B7B5; border-right: solid 1px #B8B7B5;">
<div>
<div>Hello,<br>
BASE64元のデータへ戻すとHTMLに変換されます。
こちらをテキストへ変換可能でしょうか。
HTMLタグを除去する関数を作成してみましたが、何も表示されないです。
#HTMLタグを除去する関数を定義
def clean_html(body_decode, strip=False):
soup = BeautifulSoup(body_decode, 'html.parser')
text = soup.get_text(strip=strip)
return text
clean_html(body_decode)
実現内容
不要なHTML タグを除去してテキストのみを取得したいです。
Hello
ご教授お願い致します。
全体コード
from smtplib import SMTP
from email.mime.text import MIMEText
from email import encoders
from email.mime.base import MIMEBase
import imaplib, re, email, six, dateutil.parser
from email.mime.multipart import MIMEMultipart
import smtplib
from email.utils import formatdate
import base64
from bs4 import BeautifulSoup
mail=imaplib.IMAP4_SSL('imap.gmail.com',993) #SMTPは993,POPは995
mail.login('example@','12345')
mail.select('test') #メールボックスの選択
#UNSEEN未読メールを読み込む
# type,data=mail.search(None,'UNSEEN') #メールボックス内にあるすべてのデータを取得ALL
#特定のメールUNSEEN未読メールを読み込む
term = u"test".encode("utf-8")
mail.literal = term
type,data=mail.search("utf-8", "UNSEEN SUBJECT")
for i in data[0].split(): #data分繰り返す
ok,x=mail.fetch(i,'RFC822') #メールの情報を取得
#文字コード指定
ms=email.message_from_string(x[0][1].decode('utf-8')) #パースして取得
#差出人を取得
ad=email.header.decode_header(ms.get('From'))
ms_code=ad[0][1]
if(ms_code!=None):
address=ad[0][0].decode(ms_code)
address+=ad[1][0].decode(ms_code)
else:
address=ad[0][0]
#本文を取得
maintext=ms.get_payload()
#出力
print(address)
print(maintext)
#body文字コードを元に戻すbase64
body_decode=(base64.b64decode(maintext).decode())
print(body_decode)
#HTMLタグを除去する関数を定義
def clean_html(body_decode, strip=False):
soup = BeautifulSoup(body_decode, 'html.parser')
text = soup.get_text(strip=strip)
return text
clean_html(body_decode)
mail.close()
mail.logout()