電子メールスレッドからの、からの削除

Question

pythonでnltkライブラリを使用して電子メールから "from："、 "to："、 "cc："をフィルタリングまたは削除しようとしています。 これを実行する方法はありますか？ PS：私は

をPYTHONに新しいです。ここメール

こんにちはのスレッドがある、

いくつかのテキスト

おかげで、

名前と詳細

名と詳細

投稿者：XXX //ここで私はこの分野送信

を読みたくない：YYY：2016年3月24日（木曜日）11時20分AMは、//ここで私は、このフィールド

を読みたくありませんいくつかのテキスト

こんにちは、

いくつかのテキスト

ありがとう：.COM //ここで私は、このフィールドに

件名を読みたくありません！

名前と詳細

から：ここではいくつかの名前//私は

が送信され、このフィールドを読みたくない：2016年3月4日（金曜日）午前2時40分PM //ここで私はしないでくださいこのフィールド

を読みたい：yyy.com //ここで私は、このフィールドに

件名読みたくない：いくつかのテキスト

ねえが、

のPythonでいくつかのテキスト

---

Answer 1

3.5+これは非常に簡単です。

from email import message_from_file # or message_from_bytes if you want that 

with open(filename) as fh: 
    msg = message_from_file(fh) 
del msg['from'], msg['to'], msg['cc'] 
back_to_bytes = msg.as_bytes() 

これは、ヘッダー行が存在しないかのように単純にザッピングします。具体的にはFrom:ヘッダーを削除するのは問題がありますが、実際に電子メールメッセージを処理するものに結果メッセージを戻さなければ問題にはなりません。

電子メールに関するNLTKに固有のことは何もありません.NLTKで身体部分を処理しようとする前に、電子メールに関する詳細を理解する必要があります。具体的には、multipart/alternativeメッセージパーツがどのように動作するのかを理解する必要があります。どちらか一方を選択して、何らかのフォーマットフィルタ（HTMLパーツが利用可能な場合はHTMLパーツを選択すると、多くのメーラーは最近、text/plainという部分を提供しています。この部分は、リンクの最後に実際のコンテンツがHTMLで表示されているWeb URLをクリックするだけです）。