¿Existe alguna herramienta para obtener el cuerpo de los archivos EML?

emaildata es un paquete de python para extraer contenido de mensajes de correo electrónico.

De los ejemplos:

import email
from emaildata.text import Text

message = email.message_from_file(open('message.eml'))
text = Text.text(message)

Esto, combinado con Python glob.glob()o os.walk()funciones estándar, debería hacer que sea muy fácil realizar esto como una operación por lotes.

• Gratuito Sí
• Multiplataforma (incluido Linux )
• Lote/Secuencia de comandos Sí

probandolo

Como ejemplo, exporté un correo electrónico de Quora (usando Mozilla Thunderbird) como un archivo y encendí iPython:

Mirando a través de él, no había entradas = 3D, = 20 (aparte de un par de direcciones URL), pero había una serie de secuencias como \xe2\x80\x9cused car salesman\xe2\x80\x9desa que necesitaban resolverse, estas son secuencias Unicode .

Ejecución: unicode(text, 'utf-8')para decodificar e imprimir, (con una fuente compatible con Unicode) , da:

Donde encontramos que \xe2\x80\x9cused car salesman\xe2\x80\x9des "vendedor de autos usados" tenga en cuenta las cotizaciones hacia arriba y hacia abajo .

Si necesita decodificar las partes de una URL con consulta, puede usarlas urllib.unquote()para manejarlas, pero para su uso probablemente no le interesen las URL, ya sean consultas o no.

El módulo mailparser para nodejs maneja esto bien.

El archivo Léame del proyecto tiene un ejemplo de análisis de correos electrónicos con el módulo.