Python处理邮件内容和提取邮件里的url地址

最近在搞一个邮箱验证账号注册和登录的模块。总结一下。就当记载。文章中涉及到域名和邮箱等都经过处理。

需求是这样子的，通过selenium注册某个网站的账号，然后注册需要邮件内容里的链接激活，登录的时候如果不是常用设备的话也需要认证，而两种认证方式给出的链接方式是不一样的。一种是直接通过发放激活链接给你，就是纯网址，这个好处理，直接用str或者text就能从邮件内容里将原始的url地址提取出来了。但是登录认证的话就是一个锚文本链接，这个如果还用str或者text方式提取的话，就会出现一个问题，就是提取出来的url里的"&"它会变成"&"，在浏览器地址栏中输入的话，就会出错。所以用str或者text方式提取出来的，还得还原一下地址栏能用的网址。用模块html就行了。所有问题搞定。然后将提取出来的链接加载到selenium里继续愉快的xxoo就行了。

思路：1->登录邮箱；

　　　2->获取最新邮件(获取最新邮件的理由是，激活和认证的同时，应该不会那么巧有其他邮件发过来，所以我觉得，这种足够满足需求了)；

　　　3->解析邮件内容，用imap和pop取回来的邮件我嫌太麻烦，用国人大神开发的zmail解析邮件内容只需几个步骤。

　　　　　　首先获取邮件的html内容

　　　　　　将html内容解析成str

　　　　　　把str内容单独提取出来，在本地建一个html页面

　　　　　　通过bs4解析这个本地html的内容

　　　　　　提取自己想要的内容，在这里是链接地址

提取激活链接的代码：

import zmail
from bs4 import BeautifulSoup
import lxml

'''
    #一个模块专门处理xxx新注册用户的邮箱验证问题
    #思路：
        1，首先通过zmail登录到邮箱
        2，因为注册都是即时的，验证邮件应该也是即时的
        3，收取最新收到的邮件
        4，获取最新邮件的content_html内容
        5，将content_html内容转换成str格式方便处理
        6，将str格式的html文档使用bs4解析
        7，通过bs4解析出来的内容是一个列表
        8，读取列表里的文本内容，这样子也不会丢失格式
    #坑：
        1，邮箱里的链接内容如果通过直接读取，是会更改的，比如说=就会变成amp等，所以要通过text读取
        
        
'''
class GetTheVerifyLink():
    def __init__(self, emailAccount, pwd):
        #初始化用户名和密码
        self.emailAccount = emailAccount
        self.pwd = pwd

    def login_to_server(self):
        '''
            #尝试登录邮箱服务器
        '''
        try:
            connect = zmail.server(self.emailAccount, self.pwd)
            print("登录成功！")
        except:
            print("登录失败！请检查")
        #将connect对象返回到调用它的代码行
        return connect

    def get_the_latest_mail(self):
        '''
            #通过判定最新邮件的发件人是不是有xxx来判定是不是我们要的邮件
        '''
        mail = self.login_to_server().get_latest()
        #开始判定
        sender = mail['From'] #获取发件人
        subject = mail['Subject'] #获取邮件主题
        content_text = mail['Content_text'] #获取邮件内容
        content_text_str = ''.join(content_text) #将邮件内容转换为str，不转换也行，不转换请看下面
        # content_text_str = ''.join(content_text[0]) #获取列表的一个元素，将它转换成str，因为它只有一个元素
        if '@xxx' in sender and 'verify your e-mail address' in subject and 'https://www.xxx/xx/xxx' in content_text_str:
            print("这是我们需要的邮件！")
            return mail
        else:
            print("这不是我们需要的邮件，请登录邮箱手动删除并保持amazon认证邮件最新！")

    def get_the_mail_content_html(self):
        content_html = self.get_the_latest_mail()['content_html']
        if content_html:
            return content_html
        else:
            print("获取content_html内容邮件失败！")

    def tranfer_content_html_to_str(self):
        content_html_to_str = ''.join(self.get_the_mail_content_html())
        if content_html_to_str:
            print("将邮件的content_html转换成str成功！")
            return content_html_to_str
        else:
            print("将邮件的content_html内容转换成str失败！")

    def get_the_verify_link(self):
        soup = BeautifulSoup(self.tranfer_content_html_to_str(), 'lxml')
        verify_link_list = soup.select(r'body > p:nth-child(3) > a:nth-child(1)')
        for verify_link in verify_link_list:
            verify_link = verify_link.text
        return verify_link

# emailAccount = 'xxx@xxx.com'
# pwd = 'xxxx!'
#
# gt = GetTheVerifyLink(emailAccount,pwd)
# # latest_mail = gt.get_the_latest_mail()
# # print(latest_mail)
# verify_link = gt.get_the_verify_link()
# print(verify_link)

 

提取登录链接的代码：

import zmail
from bs4 import BeautifulSoup
import lxml
import html

class xxxSignInConfirm():
    def __init__(self, username, password):
        self.username = username
        self.password = password

    def login_to_server(self):
        try:
            server = zmail.server(self.username, self.password)
            print("E-mail Login success!")
        except:
            print("E-mail login Failed!")
        return server

    def get_the_latest_mail(self):
        '''
            #通过判定最新邮件的发件人是不是有xxx.com来判定是不是我们要的邮件
        '''
        mail = self.login_to_server().get_latest()
        #开始判定
        sender = mail['From'] #获取发件人
        subject = mail['Subject'] #获取邮件主题
        content_text = mail['Content_text'] #获取邮件内容，获取文本的邮件内容主要是用在接下来的if语句里的
        content_text_str = ''.join(content_text) #将邮件内容转换为str，不转换也行，不转换请看下面
        # content_text_str = ''.join(content_text[0]) #获取列表的一个元素，将它转换成str，因为它只有一个元素
        if 'security' in subject:
            print("这是我们需要的邮件！")
            return mail
        else:
            print("这不是我们需要的邮件，请登录邮箱手动删除并保持amazon认证邮件最新！")

    def get_the_mail_content_html(self):
        mail = self.get_the_latest_mail()
        content_html = mail['Content_html']
        if content_html:
            return content_html
        else:
            print("获取content_html内容邮件失败！")

    def transfer_content_html_to_str(self):
        content_html_to_str = ''.join(self.get_the_mail_content_html())
        if content_html_to_str:
            print("将邮件的content_html转换成str成功！")
            return content_html_to_str
        else:
            print("将邮件的content_html内容转换成str失败！")

    def get_the_sign_in_verify_link(self):
        soup = BeautifulSoup(self.transfer_content_html_to_str(), 'lxml') #利用bs4解析html的邮件内容
        signInconfirmLinks = soup.select(r'body > div:nth-child(3) > div:nth-child(4) > table:nth-child(2) > tbody:nth-child(1) > tr:nth-child(1) > td:nth-child(1) > table:nth-child(1) > tbody:nth-child(1) > tr:nth-child(5) > td:nth-child(1) > a:nth-child(1)')
        signlinkelement = signInconfirmLinks[0]
        signlinkstr = str(signlinkelement) #转换成str
        # print(signlinkstr)
        afind = signlinkstr.find('"') #查找字符串中<a href="https//xxxxxxxx.com/"</a>的第一个引号
        # print(afind)
        bfind = signlinkstr[afind + 1:].find('"') #找出第二个引号的位置
        # print(bfind)
        signlinkamp = signlinkstr[afind + 1: afind + 1 + bfind] #在两个引号之间就是我们需要的链接地址，切片切出来
        # print(signlinkamp) #打印一下提取出来的地址，是我们想要的，只是&变成了&amp;
        verify_link = html.unescape(signlinkamp) #使用html还原真实网址
        return verify_link

username = 'xxxx@xxx.com'
pwd = 'xxxx'
ac = AmazonSignInConfirm(username, pwd) #实例化


verify_link = ac.get_the_sign_in_verify_link()
print(verify_link) #打印，符合预期

两段代码基本上是相同的，除了最后一个类方法处理方式有点不同的话。文中有些合法性验证是不需要的，我是为了方便调试和查看程序运行轨迹才加那么多的。记录是记录，也希望有志同道合的人，给出更完美的解决方案。