我有两个 mbox 文件,每个文件包含大约 6000 封电子邮件。它们应该大致相同,但 #1 包含大约 100 封电子邮件,而 #2 不包含。我很想生成第三个 mbox 文件,其中包含我的 100 封邮件 - 可以说是一个差异。
我曾经自动将消息从一个收件箱转发到另一个收件箱(服务器端),但由于某些奇怪的不确定的原因,它会随机地不转发几封消息。#2 是电子邮件被转发到的收件箱 - 大量已读和已回复的消息,带有附加标题,其中包含有关如何转发它们的信息。#1 是最近使用 imap 转储的 6k 条未读消息。
我在 Linux 下使用 Thunderbird。
答案1
以下 Python 脚本解决了该问题:
import mailbox
inbox_2 = mailbox.mbox('inbox_2_file')
inbox_1 = mailbox.mbox('inbox_1_file')
inbox_diff = mailbox.mbox('inbox_diff_file', create=True)
inbox_2_ids = []
for message in inbox_2:
inbox_2_ids.append(message.get('Message-ID'))
for message in inbox_1:
if message.get('Message-ID') not in inbox_2_ids:
inbox_diff.add(message)
inbox_diff.flush()
答案2
非常感谢@sme发布您的问题和答案。只要每封电子邮件都包含一个消息ID,Python脚本就可以完美运行。遗憾的是,情况并非总是如此,因为令人惊讶的是,Message-ID 不是必填字段。
只需稍加改动,您的脚本便可用于创建一个新的 mbox 文件,其中包含所有缺少 Message-ID 字段的电子邮件消息:
import mailbox
inbox_1 = mailbox.mbox('inbox_1_file')
inbox_missing_message_id = mailbox.mbox('inbox_missing_message_id_file', create=True)
for message in inbox_1:
if message.get('Message-ID') is None:
inbox_missing_message_id.add(message)
inbox_missing_message_id.flush()
答案3
大约 5 年后。我必须比较 306MB 和 338MB 的 Thunderbird 备份邮箱。因此,我将所有出色的建议都放入一个独立的帮助脚本中,该脚本可以区分 mbox2 - mbox1。在此过程中,还会创建相应的邮箱,其中包含缺少 Message-ID 字段的电子邮件。对我来说,这在 Mac 上开箱即用,生成两个额外的邮箱,其中的电子邮件没有 52KB 和 10KB 的 Message-ID。非常容易管理!
希望这能派上用场。感谢您的见解。
#!/usr/bin/env python3
import mailbox
import sys
import os
if len(sys.argv) <= 2:
print("USAGE: {} <mbox2> <mbox1>".format(os.path.basename(sys.argv[0])))
print(" <diff> = <mbox2> - <mbox1> is based on 'Message-ID' field")
print(" E-mails with no 'Message-ID' are copied <mbox[1|2]_no_Message-ID>.")
print(" Original mailboxes are left unaltered.")
sys.exit(1)
if not os.path.isfile(sys.argv[1]):
print(" * mbox_file {} does not exist.".format(sys.argv[1]))
sys.exit(2)
if not os.path.isfile(sys.argv[2]):
print(" * mbox_file {} does not exist.".format(sys.argv[2]))
sys.exit(2)
mbox1_file = sys.argv[1]
mbox2_file = sys.argv[2]
outfile = os.path.join(
os.path.dirname(mbox1_file)
, '{}2_diff_{}1'.format(os.path.basename(mbox2_file), os.path.basename(mbox1_file))
)
if os.path.isfile(outfile):
print(" * OUTPUT mbox_file {} already exists.".format(outfile))
sys.exit(2)
nomsgid1_file = os.path.join(
os.path.dirname(mbox1_file)
, '{}_no_Message-ID'.format(os.path.basename(mbox1_file))
)
if os.path.isfile(nomsgid1_file):
print(" * OUTPUT mbox_file {} already exists.".format(nomsgid1_file))
sys.exit(2)
nomsgid2_file = os.path.join(
os.path.dirname(mbox2_file)
, '{}_no_Message-ID'.format(os.path.basename(mbox2_file))
)
if os.path.isfile(nomsgid2_file):
print(" * OUTPUT mbox_file {} already exists.".format(nomsgid2_file))
sys.exit(2)
inbox_1 = mailbox.mbox(mbox1_file)
inbox_2 = mailbox.mbox(mbox2_file)
inbox_diff = mailbox.mbox(outfile, create=True)
inbox1_missing_message_id = mailbox.mbox(nomsgid1_file, create=True)
inbox2_missing_message_id = mailbox.mbox(nomsgid2_file, create=True)
inbox_2_ids = []
for message in inbox_2:
msgid = message.get('Message-ID')
if msgid is None:
inbox2_missing_message_id.add(message)
else:
inbox_2_ids.append(msgid)
for message in inbox_1:
msgid = message.get('Message-ID')
if msgid is None:
inbox1_missing_message_id.add(message)
elif msgid not in inbox_2_ids:
inbox_diff.add(message)
inbox_diff.flush()
inbox2_missing_message_id.flush()
inbox1_missing_message_id.flush()
PS 我还遇到了几个编码问题。如您所知,很难自动检查电子邮件的编码是否正确,而 utf-8 并不总是有效。一个残酷但有效的解决方案是将库ascii
中出现的每个编码更改mailbox.py
为 和latin-1
,utf8
如下所示:
get_message
功能:
try:
msg.set_from(from_line[5:].decode('latin-1'))
except Exception as e:
msg.set_from(from_line[5:].decode('utf8'))
return msg
_install_message()
功能:
author = message.get_from().encode('utf8')
[...]
from_line = from_line.encode('utf8')