Python decode_headerは元の文字列を分割します

Question

Python 3を使用して、私はmboxファイルから電子メールを解析しようとしています。

for message in mailbox.mbox('file'): 
    sender = message['From'] 
    c = decode_header(sender) 

生の電子メールがcこの場合

[(b'"', None), (b'Mark from Site', 'utf-8'), (b'" <info@site.com>', None)] 

ある、

From: "=?UTF-8?Q?Mark_from_Site?=" <info@site.com> 

とにかくこのユニークFrom:ヘッダを有し、行が予期せずに"引用符を次の分割され複数の要素。

"の数に応じて、リストに定義されていない数（上記のように必ずしも3つではない）が存在する可能性があり、分割の原因が他にもある可能性があるため、扱いが煩雑な場合があります。

文字列エンコーディングがない場合（ヘッダーが純粋な場合はascii）、分割されず、cは"Mark from Site" <info@site.com>です。

asciiエンコーディングでもこの分割を避ける方法はありますか？

そうでなければ、この種のヘッダーを正しく解析する方法はありますか？

Answer 1

あなたの文字列とそれがでエンコードされなければならない文字セットでemail.header.Headerのインスタンスを作成することによって、あなたのためのemail.headerモジュールハンドルのエンコーディングを持つことができます。

from email.header import Header 

for message in mailbox.mbox('file'): 
    sender = Header(message['From'], "utf-8") 
    c = decode_header(sender) 

Answer 2

何最も単純なことをやっについて、すなわち。すべての部分をUnicodeに変換してから貼り付けます。

from = ''.join(t[0].decode(t[1] if t[1] else 'UTF-8') for t in decode_header(sender))