Discuss / Python / 编码解码的问题
Back

编码解码的问题

Topic source

为了不泄漏隐私

#1 Created at ... [Delete] [Delete and Lock User]

获取到的email是二进制，转化为string的时候用了decode('utf-8'),这一点好理解，但是为什么decode之后的text仍然是包含了一堆字符。看起来像是用base64编码过的一样，为什么还需要再去解码呢？再去解码的时候用的是什么，我是用QQ邮箱发送的，显示的解码器是GBK。GBK解码不应该是用在二进制的上的吗？还是说作为一个message instance，其实他的主体看起来是一对字符，但是当去解码的时候把他再去变成二进制，再去进行GBK解码。

为了不泄漏隐私

#2 Created at ... [Delete] [Delete and Lock User]

我所指的是这一句：text = b'\r\n'.join(lines).decode('utf-8') 和print_info中的频繁解码，我用print的方式输出了他们的解码方式，都是GBK

不知道这样解释是否合理： 邮件经历这样的一个过程：二进制-->由utf-8解码，出来的包含了email信息的正常字符（header的属性这一类），其他字符均为base64。 再后续的分析中，当需要解码本体的时候，是base64-->二进制-->相应的编码方式（GBK）解码

为了不泄漏隐私

#3 Created at ... [Delete] [Delete and Lock User]

明白了

        if content_type=='text/html' or content_type=='text/plain':
        content=msg.get_payload(decode=True)
        charset=guess_charset(msg)#需要从头文件中获取这些信息
        print('是否需要base64之外的解码方式！？%s'%content)

在这里可以看出，content为二进制，然后将decode=True该部false之后，就会出现错误，那么就能这么解释了：

  1. 最开始获取的message主体部分，必须由utf-8解码，因为Header和其他表示主体格式的文本为utf-8编码的。这也就解释了，为什么输出的是乱的，因为文本部分是由其他编码格式进行编码的
  2. 之后在这里decode=True代表需要再次解码，那么就把主体重新当作二进制返回了回去。

这只是猜测，不知道如何打开这些模块的源码，看源码更能解释这个过程。

用户5307799436

#4 Created at ... [Delete] [Delete and Lock User]

不是很懂到底应该怎么解码,先mark下.

  • 1

Reply