python - 如何在 Python 中以 utf-8 重新编码 mbox 文件？

Question

我已经导出了一堆 Gmail 邮件，并希望使用 Python 解析它们并获得见解。但是，在导出时，我发现这些 mbox 文件中有一个奇怪的编码，例如字符“é”被转换为=E9，引号（“和”）被转换为=E2=80=9C和=E2=80=9D。我的电子邮件经常有很多外国脚本，因此将这些文件解码为 utf-8 对我来说非常重要。此外，我还经常收到带有表情符号的消息，这些消息也传达了我需要保留的重要情感信息。

我发现这种编码称为 Quoted Printable 并且我尝试使用quopriPython 模块，但是没有成功。

这是我的简化代码：

import os
import quopri
from pathlib import Path

for filename in os.listdir(directory):
    if filename.endswith(".mbox"): 
        input_filename =  Path(os.path.join(directory,filename))
        output_filename = Path(os.path.join(directory,filename+'_utf-8'))

        with open(input_filename, 'rb'):
            quopri.decode(input_filename, output_filename)

但是，在运行此程序时，我在最后一行收到以下错误：AttributeError: 'WindowsPath' object has no attribute 'read'. 我不明白为什么会出现此错误，因为定义的路径指向文件。

标签： python

Answer 1

您需要为上下文管理器（with语句）声明名称，如下所示：

with input_filename.open('rb') as infile, output_filename.open('wb') as outfile:
    quopri.decode(infile, outfile)