imap経由でPythonにプルされたgchatsから無関係な文字を取り除く

Question

私はIMAP経由でgmailからチャット記録をプルダウンするプロジェクトに取り組んでいます。私は正常にログインし、次のコードを経由して、最新のgchat転写物を表示しています

import getpass, imaplib, email, re, sys 

s=imaplib.IMAP4_SSL('imap.gmail.com', 993) 
getuser = raw_input("<username>") 
getpass = raw_input("<password>") 
s.login(getuser, getpass) 

s.select('[Gmail]/Chats',readonly=True) 

result, data = s.uid('search', None, "ALL")#fetch email body (RFC822) for the given ID 
latest_email_uid = data[0].split()[-1] 
result, data = s.uid('fetch', latest_email_uid, '(RFC822)') 
raw_email = data[0][1] 
print raw_email 

s.close() 
s.logout() 

出力は私がを取り除きたい珍糞漢糞の全体の多くを必要とします。たとえば、これはチャットの一行です：ボディ/ CLI：bodyタグ

<con:conversation xmlns:con="google:archive:conversation"><cli:message 
to="<email redacted>" from="<email redacted>" 
int:cid="13865109981248781158" int:sequence-no="4" 
int:time-stamp="1323547231442" xmlns:cli="jabber:client" 
xmlns:int="google:internal"><cli:body>uhh</cli:body> 

理想的には私は「に=」フィールドと同様に、CLIの間のすべてを維持したいと思います。私は正規表現だけでなく、これの例をスタックで読んできましたが、私は初心者であり、混乱しています。誰も助けることができますか？

Answer 1

XML解析ライブラリを見てみましょう。 Python用の高速ライブラリはlxmlです：

lxmlののXMLツールキットは、Cライブラリののlibxml2とlibxsltのために結合Python的です。これらのライブラリの速度とXML機能の完全性をネイティブのPython APIのシンプルさと組み合わせている点で独特ですが、主に互換性がありますが、よく知られているElementTree APIより優れています。

そして、例えばXPath表現を経由してto属性とcli:body要素のテキストを抽出します。

注：以前はXMLまたはXMLライブラリで作業したことがない場合は、自分で学習する時間を与えてください。 XMLは習得するのが最も簡単なことではありませんが、問題の正しいモデルを適用すると、コードがもっときれいになります。

Answer 2

これにはXMLパーサーを使用します。 Pythonには、多くのXMLパーサー（Python標準ライブラリの内部と外部の両方）があります。標準ライブラリのXMLパッケージのドキュメントは、Structured Markup Processing Toolsにあります。

以下は、xml.etree.ElementTreeを使用した例です。その中で私はあなたのXMLについていくつかの仮定をしました（完全なツリーを提供していないので）。この例では、要素とその子要素が1つだけ取り込まれますが、これにより、conversationツリー全体を処理する方法がわかります。

from xml.etree.ElementTree import ElementTree 
import StringIO 

# This is all set up to have data for the example. 
msg = """<cli:message to="to@nowhere.com" from="from@nowhere.com" 
int:cid="13865109981248781158" int:sequence-no="4" int:time-stamp="1323547231442" 
xmlns:cli="jabber:client" xmlns:int="google:internal"> 
    <cli:body>uhh</cli:body> 
</cli:message>""" 
msgf = StringIO.StringIO(msg) 

# Now we parse the tree given a file-like object. 
tree = ElementTree() 
tree.parse(msgf) 
to = tree.getroot().attrib['to'] 
body = tree.find('{jabber:client}body').text 

今、私たちは持っている：

>>> to 
'to@nowhere.com' 

>>> body 
'uhh'