如何使用 Python 中的电子邮件模块从“application/pkcs7-mime”中提取数据？

2024-04-19

Problem

我正在开展一个项目，我们必须对电子邮件进行分类。对于这个项目，我需要从电子邮件及其附件中提取所有文本。

我的问题是某些附件的类型为“application/pkcs7-mime”，我不知道如何处理这些附件。

我尝试过的

import email, base64

# Opening message
eml_file = '/path/to/file.eml'
message = email.message_from_file(open(eml_file))

# Printing content types
for part in message.walk():
    print(part.get_content_type())

>multipart/mixed
 text/plain
 message/rfc822
 application/pkcs7-mime

出现问题的部分是“application/pkcs7-mime”。接下来我尝试从有效负载中提取数据。

# Ensuring we got the right payload
message.get_payload(1).get_payload(0).get_content_type()
>application/pkcs7-mime

# Getting payload
message.get_payload(1).get_payload(0).get_payload()
MIAGCSqGSIb3DQEHAqCAMIACAQExDzANBglghkgBZQMEAgEFADCABgkqhkiG9w0BBwGggxDhqwSD
EOGmQ29udGVudC1UeXBlOiBtdWx0aXBhcnQvbWl4ZWQ7IGJvdW5kYXJ5PV8wMDRfRkVGNjMyNEIy
NDFFNDA5MEFBMUQ3RUQ5QUZBQkZFMDdic2Vka187DQogbWljYWxnPXNoYTI1Ng0KDQotLV8wMDRf
RkVGNjMyNEIyNDFFNDA5MEFBMUQ3RUQ5QUZBQkZFMDdic2Vka18NCkNvbnRlbnQtVHlwZTogdGV4
dC9odG1sOyBjaGFyc2V0PXV0Zi04DQpDb250ZW50LUlEOiA8Mzg3NTg2Nzk0M0UzNkY0OUEzQjcy
.......

看起来有效负载是用 base64 编码的，所以我尝试解码它：

# Decoding message
message.get_payload(1).get_payload(0).get_payload(decode=True).decode("iso-8859-1")

# Top of output
 á«á¦Content-Type: multipart/mixed; boundary=_004_FEF6324B241E4090AA1D7ED9AFABFE07bsedk_;
 micalg=sha256

--_004_FEF6324B241E4090AA1D7ED9AFABFE07bsedk_
Content-Type: text/html; charset=utf-8
Content-ID: <[email protected] /cdn-cgi/l/email-protection>
Content-Transfer-Encoding: base64

PGh0bWwgeG1sbnM6bz0idXJuOnNjaGVtYXMtbWljcm9zb2Z0LWNvbTpvZmZpY2U6b2ZmaWNlIiB4
bWxuczp3PSJ1cm46c2NoZW1hcy1taWNyb3NvZnQtY29tOm9mZmljZTp3b3JkIiB4bWxuczptPSJo
dHRwOi8vc2NoZW1hcy5taWNyb3NvZnQuY29tL29mZmljZS8yMDA0LzEyL29tbWwiIHhtbG5zPSJo

# Bottom of output
0U 0U00, * (&http://crl.oces.trust2408.com/oces.crl0\ Z X¤V0T10 UDK10U
×ÿÑE|g¢¿ºÊ]6¾ãñJfYéÿBû´s²J7ª¡-*¨    Ø p@6¨Ë9Ç¦íæýÕUB9Íõ £àg&7î!Ö®?sÒ
8Wè>º|mIh +|2¨Ü%«O´|%o¬¦¥ð¶oòÝ¿t³ é¾ÏPÒëqûW®ö8|¼èÇçqQL ½þ¹Ù`¶¿*7ÒýsÎKb!ÿ¶?:{¸½Ú\õ{ÕþyÅI
.éÃÂKèj36q°lD}|RÎàIzÙ/^[j;3¶Ðà+®r$¥!1ß0Û0I0A10 UDK10UªÏÒ¶,`§rÌbèñy5&FJÃ(êí°&¬,ÚêX$á.=ïïæN$®]Þ½yU0+*§ÔÚ´í6azL(!DÏÝ6ÂNê,Ä5FsíXEó§î_»SG]Úüåt Ô¼'âröÓg!ðSÐ,O¶x><s5ÖRv«N¸¡¿<ý>¼VBñ¤f[ÔÏàø7¿ÂûÊ
uidÊUS!ÂÕÜÚæòÜíþµüâeüLü'^[¦/d{«oäp¹ÁNî÷Å½½Oq$Øà-W
DsüèXÀÎ}á¾9ÀÌ¹ÙÎhAÎ ¯P¾ñäK!VIrÏÌ¯Ín,º~¿IÐ{[D¢=ý%Úîckr¿·_³EÙ]¨g0âk:`vÄÖ</È»HBà4%ª]|;~wÐ=·&;êºÕAr«Á¡GÅòØ)wÂd{Ù    BvÞ·3ºàCÔ

结论

一些消息被正确解码，而其余的则一团糟。然而，我无法弄清楚哪里出了问题。

我最终遇到了同样的情况，并用 esben-eickhardt 的答案解决了我的问题。但我不太高兴为了让它发挥作用而删掉一些未知的东西。

准备/阅读

RFC 8551 - 安全/多用途互联网邮件扩展 (S/MIME)
- https://www.rfc-editor.org/rfc/rfc8551 https://www.rfc-editor.org/rfc/rfc8551
- mime 正文作为 CMS 放入邮件中
RFC 5652 - 加密消息语法 (CMS)
- https://www.rfc-editor.org/rfc/rfc5652 https://www.rfc-editor.org/rfc/rfc5652
- CMS 采用 ANS.1 数据结构进行编码
RFC 4792 - 抽象语法表示法一 (ASN.1)
- https://www.rfc-editor.org/rfc/rfc4792 https://www.rfc-editor.org/rfc/rfc4792

使用 openssl 验证

提取，base64解码p7m文件并调用openssl

openssl asn1parse -in smime.p7m -inform der

这应该会神奇地返回 CMS 的人类可读结构。您应该将邮件视为 CMS 中的众多键之一。

Solution

我们需要一个 ASN.1 解析器来读取 CMS 数据。第二步，我们提取内部邮件。

Python

Python包asn1crypto是一个 ASN.1 解析器，但也有 CMS 支持。现在我们可以将 CMS 加载到 python 表示中。

if part.get_content_type() in ['application/pkcs7-mime'] and part.get_param('smime-type') == 'signed-data':
    from asn1crypto import cms
    content_info = cms.ContentInfo.load(part.get_payload(decode=True))
    compressed_data = content_info['content']
    smime = compressed_data['encap_content_info']['content'].native
    smime_message = email.message_from_string(smime)

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

python3x

email

Base64

emailattachments

Decoding