5

Python 2.7 で、電子メール メッセージのRFC 5322準拠の「From:」フィールドを、表示名と電子メール アドレスの 2 つの部分に解析しようとしています (表示名は空である可能性があります)。おなじみの例は次のようなものです

John Smith <jsmith@example.org>

上記では、John Smith が表示名で、jsmith@example.org が電子メール アドレスです。ただし、以下も有効な "From: " フィールドです。

"unusual" <"very.(),:;<>[]\".VERY.\"very@\\ \"very\".unusual"@strange.example.com>

この例では、display-name の戻り値は

"unusual"

と

"very.(),:;<>[]\".VERY.\"very@\\ \"very\".unusual"@strange.example.com

メールアドレスです。

文法を使用して Perl でこれを解析できます (これらの質問で説明されているように: Using a regular expression to validate an email addressとThe recognizing power of “modern” regexes で説明されています) が、Python 2.7 でこれを実行したいと考えています。Python で email.parser モジュールを使用してみましたが、そのモジュールはコロンで区切られたフィールドしか分離できないようです。だから、あなたが何かをするなら

from email.parser import Parser
headers = Parser().parsestr('From: "John Smith" <jsmith@example.org>')
print headers['from']

それは戻ってきます

"John Smith" <jsmith@example.com>

上記のコードの最後の行を

print headers['display-name']

それは戻ってきます

None

提案やコメントをいただければ幸いです。

4

2 に答える 2

8

headers['display-name']email.parserAPIの一部ではありません。

email.utils.parseaddr を試してください:

In [17]: email.utils.parseaddr("jsmith@example.com")
Out[17]: ('', 'jsmith@example.com')

In [18]: email.utils.parseaddr("(John Smith) jsmith@example.com")
Out[18]: ('John Smith', 'jsmith@example.com')

In [19]: email.utils.parseaddr("John Smith <jsmith@example.com>")
Out[19]: ('John Smith', 'jsmith@example.com')

また、通常とは異なる住所も処理します。

In [21]: email.utils.parseaddr('''"unusual" <"very.(),:;<>[]\".VERY.\"very@\\ \"very\".unusual"@strange.example.com>''')
Out[21]: ('unusual', '"very.(),:;<>[]".VERY."very@ "very".unusual"@strange.example.com')
于 2013-10-06T23:49:56.930 に答える
1

そのようなパーサーをC++のlibtldに書きました。完全なものにしたい場合は、lex と yacc があります (ただし、これらのツールは使用しません)。私のC++ コードは、Python で独自のバージョンを作成するのに役立つかもしれません。

(lex part)
[-A-Za-z0-9!#$%&'*+/=?^_`{|}~]+                                          atom_text_repeat (ALPHA+DIGIT+some other characters)
([\x09\x0A\x0D\x20-\x27\x2A-\x5B\x5D-\x7E]|\\[\x09\x20-\x7E])+           comment_text_repeat
([\x33-\x5A\x5E-\x7E])+                                                  domain_text_repeat
([\x21\x23-\x5B\x5D-\x7E]|\\[\x09\x20-\x7E])+                            quoted_text_repeat
\x22                                                                     DQUOTE
[\x20\x09]*\x0D\x0A[\x20\x09]+                                           FWS
.                                                                        any other character

(lex definitions merged in more complex lex definitions)
[\x01-\x08\x0B\x0C\x0E-\x1F\x7F]                                         NO_WS_CTL
[()<>[\]:;@\\,.]                                                         specials
[\x01-\x09\x0B\x0C\x0E-\x7F]                                             text
\\[\x09\x20-\x7E]                                                        quoted_pair ('\\' text)
[A-Za-z]                                                                 ALPHA
[0-9]                                                                    DIGIT
[\x20\x09]                                                               WSP
\x20                                                                     SP
\x09                                                                     HTAB
\x0D\x0A                                                                 CRLF
\x0D                                                                     CR
\x0A                                                                     LF

(yacc part)
address_list: address
            | address ',' address_list
address: mailbox
       | group
mailbox_list: mailbox
            | mailbox ',' mailbox_list
mailbox: name_addr
       | addr_spec
group: display_name ':' mailbox_list ';' CFWS
     | display_name ':' CFWS ';' CFWS
name_addr: angle_addr
         | display_name angle_addr
display_name: phrase
angle_addr: CFWS '<' addr_spec '>' CFWS
addr_spec: local_part '@' domain
local_part: dot_atom
          | quoted_string
domain: dot_atom
      | domain_literal
domain_literal: CFWS '[' FWS domain_text_repeat FWS ']' CFWS
phrase: word
      | word phrase
word: atom
    | quoted_string
atom: CFWS atom_text_repeat CFWS
dot_atom: CFWS dot_atom_text CFWS
dot_atom_text: atom_text_repeat
             | atom_text_repeat '.' dot_atom_text
quoted_string: CFWS DQUOTE quoted_text_repeat DQUOTE CFWS
CFWS: <empty>
    | FWS comment
    | CFWS comment FWS
comment: '(' comment_content ')'
comment_content: comment_text_repeat
               | comment
               | ccontent ccontent
于 2013-10-06T23:52:44.603 に答える