ysm
cleverysm@gmail.com

很久以来一直在用Thunderbird的pop3功能收邮件，时间长了邮箱里积累了很多旧邮件，今天打算整理一下。由于曾经有段时间用瑞星，结果瑞星的邮件过滤功能在我很多邮件的标题里加了“(瑞星提示-此邮件可能是垃圾邮件)”这样的字样，而这邮件明明是正常的工作邮件，这个死瑞星真是笨死了。以前懒得理睬，结果时间一长，邮箱里竟有上百封邮件都被瑞星打了标签，现在发现看上去是多么的不爽，于是决定要解决这个问题。
首先，将Thunderbird里的几封被瑞星修改的邮件以eml的格式保存成文件。由于eml文件就是文本格式的，所以可以用notepad++打开看看是什么样子。其实不用太了解eml文件格式的细节也能很容易对文件各部分的含义作出判断，瑞星修改的是信件标题，也就是Subject:处的内容，只要找到瑞星修改的内容，然后删掉就ok了。
经过对照几个文件，发现瑞星就是在Subject:后面插入了一段如下的字符：
=?gb2312?B?KMjw0MfM4cq+LbTL08q8/r/JxNzKx8Csu/jTyrz+KQ==?=
虽然看不懂具体什么含义，但能很容猜出来，就是用gb2312编码的那句需要删掉的话。
由于需要修改的文件比较多，决定用python写段程序批量修改一下。
基本过程很简单，就是把有问题的邮件都保存成eml文件，放到一个目录下，然后程序依次读取文件，将要删掉的那段字符用空字符串地换一下就行了，代码如下：

def fix_eml_mail_1(from_dir, to_dir):
    from_dir_list=os.listdir(from_dir)
    for file in from_dir_list:
        from_file = open(from_dir+'/'+file)
        to_file = open(to_dir+'/'+file, 'w')
        content = from_file.read()
        to_file.write(content.replace('=?gb2312?B?KMjw0MfM4cq+LbTL08q8/r/JxNzKx8Csu/jTyrz+KQ==?=',''))
 
    print '%d files fixed' % len(from_dir_list)

修改后的eml文件再导入Thunderbird就ok了。导入的最简单办法就是，直接用鼠标拖进去。
不过，导入之后发现一个问题，仍有一小部分邮件标题里还有那句讨厌的话。再保存出来打开仔细观察，发现，其中有一部分是因为被瑞星修改标题的邮件被转发，于是标题再次被修改，这样那句话编码后的字符串就不是程序里的那样子，也就不会被删掉了。甚至有个别信件虽然不是转发或回复的信件，但是信件原有的标题不知为什么被一并包含进=?与?=之间进行了编码转换，同样无法用上面的代码消除。那该怎么办呢？看来得想办法把编码后的标题解码成正常文字，这个功能自然就想到了用python的email包。
首先，我们需要导入email包：

import email

然后，将文件读入一个Message对象msg中：

from_file = open('somewhere/mail.eml')
msg = email.message_from_file(from_file)

接着读取邮件中的subject内容：

subject = msg.get("subject")

这时读出来的subject还是经过编码后的字符串，需要对其进行解码：

dh = email.Header.decode_header(subject)

这里的dh是一个包含多个元组元素的列表[('',''),('','')]，列表中每个元素是一个元组(‘@#%%^%$#’,'charset’)，元组的第一个元素是剔除了编码信息的subject内容，这个内容到这里依然是经过编码的，而其所使用的编码就是元组的第二个元素。元组可以有多于一个，表示subject里有多个编码的字段，比如可以有如下一个subject：
=?gb2312?B?asdfdgdsfdss?= =?gb2312?B?##@$%^&%$#?=
两段要有空格或换行隔开，这样dh中就是有两个元组了。
在处理问题邮件过程中发现瑞星在修改subject时是直接在原subject内容前面不加间隔紧贴着插上那么一句话，如果在这里不加处理直接用decode_header会无法正确识别瑞星那句话和原有的subject，唉，真可恶。只好在decode_header之前另加一个处理，上一句就变成：

subject = subject.replace('?=','?= ')
dh = email.Header.decode_header(subject)

现在，我们就可以用下面一段来把subject打出来看看是什么效果：

for i in range(len(dh)):
            encode = dh[i][1]
            if encode is None:
                encode = msg.get_content_charset()
                if encode is None:
                    encode = 'gbk'
            print "subject:", dh[i][0].decode(encode)

这个地方的编码首先是根据subject中编码信息来进行解码，但subject也不一定会是编码后的文本，这时dh[i][1]返回的是None，那么就试着查一下content编码，如果也不差不到，就用gbk，当然gbk也不一定就保险，因为也许有utf-8的信件，但一般我们多数情况下还是用gb2312和gbk写中文的，真碰到问题改一下就行了。
好，接下来就是需要把那段可恶的话删掉，然后给msg重做一个subject：

        new_subject = ''
        new_dh=[]
        for i in range(len(dh)):
            encode = dh[i][1]
            if encode is None:
                encode = msg.get_content_charset()
                if encode is None:
                    encode = 'gbk'
 
            str = dh[i][0].decode(encode)
            if str is not None:
                new_subject = str.replace(u'(瑞星提示-此邮件可能是垃圾邮件)','')
                new_subject = new_subject.encode(encode)
                new_dh.append((new_subject, encode))
 
        new_header = email.Header.make_header(new_dh)
        msg.replace_header('Subject', new_header)
 
        to_file.write(msg.as_string())

把修改后的eml文件再导回Thunderbird，终于，干净了。
拜拜，瑞星。

完整的两段函数如下：

def fix_eml_mail_1(from_dir, to_dir):
    from_dir_list=os.listdir(from_dir)
    for file in from_dir_list:
        from_file = open(from_dir+'/'+file)
        to_file = open(to_dir+'/'+file, 'w')
        content = from_file.read()
        to_file.write(content.replace('=?gb2312?B?KMjw0MfM4cq+LbTL08q8/r/JxNzKx8Csu/jTyrz+KQ==?=',''))
 
    print '%d files fixed' % len(from_dir_list)
 
    pass
def fix_eml_mail_2(from_dir, to_dir):
    from_dir_list=os.listdir(from_dir)
    for file in from_dir_list:
        from_file = open(from_dir+'/'+file)
        to_file = open(to_dir+'/'+file, 'w')
        msg = email.message_from_file(from_file)
        subject = msg.get("Subject")
 
        subject = subject.replace('?=','?= ')
        dh = email.Header.decode_header(subject)
        new_subject = ''
        new_dh=[]
        for i in range(len(dh)):
            encode = dh[i][1]
            if encode is None:
                encode = msg.get_content_charset()
                if encode is None:
                    encode = 'gbk'
 
            str = dh[i][0].decode(encode)
            if str is not None:
                new_subject = str.replace(u'(瑞星提示-此邮件可能是垃圾邮件)','')
                new_subject = new_subject.encode(encode)
                new_dh.append((new_subject, encode))
 
        new_header = email.Header.make_header(new_dh)
        msg.replace_header('Subject', new_header)
 
        to_file.write(msg.as_string())

代码下载：risingmail.py

烤鱼片
iysm.net
cleverysm@gmail.com

中文编码问题是用中文的程序员经常头大的问题，在python下也是如此，那么应该怎么理解和解决python的编码问题呢？

我们要知道python内部使用的是unicode编码，而外部却要面对千奇百怪的各种编码，比如作为中国程序经常要面对的gbk，gb2312，utf8等，那这些编码是怎么转换成内部的unicode呢？

首先我们先看一下源代码文件中使用字符串的情况。源代码文件作为文本文件就必然是以某种编码形式存储代码的，python默认会认为源代码文件是asci编码，比如说代码中有一个变量赋值：

s1=’a’
print s1

python认为这个’a'就是一个asci编码的字符。在仅仅使用英文字符的情况下一切正常，但是如果用了中文，比如：

s1=’哈’
print s1

这个代码文件被执行时就会出错，就是编码出了问题。python默认将代码文件内容当作asci编码处理，但asci编码中不存在中文，因此抛出异常。

解决问题之道就是要让python知道文件中使用的是什么编码形式，对于中文，可以用的常见编码有utf-8，gbk和gb2312等。只需在代码文件的最前端添加如下：

# -*- coding: utf-8 -*-

这就是告知python我这个文件里的文本是用utf-8编码的，这样，python就会依照utf-8的编码形式解读其中的字符，然后转换成unicode编码内部处理使用。

不过，如果你在Windows控制台下运行此代码的话，虽然程序是执行了，但屏幕上打印出的却不是哈字。这是由于python编码与控制台编码的不一致造成的。Windows下控制台中的编码使用的

是gbk，而在代码中使用的utf-8，python按照utf-8编码打印到gbk编码的控制台下自然就会不一致而不能打印出正确的汉字。

解决办法一个是将源代码的编码也改成gbk，也就是代码第一行改成：

# -*- coding: gbk -*-

另一种方法是保持源码文件的utf-8不变，而是在’哈’前面加个u字，也就是:

s1=u’哈’
print s1

这样就可以正确打印出’哈’字了。

这里的这个u表示将后面跟的字符串以unicode格式存储。python会根据代码第一行标称的utf-8编码识别代码中的汉字’哈’，然后转换成unicode对象。如果我们用type查看一下’哈’的数据类

型type(‘哈’)，会得到<type ‘str’>，而type(u’哈’)，则会得到<type ‘unicode’>，也就是在字符前面加u就表明这是一个unicode对象，这个字会以unicode格式存在于内存中，而如果不加u

，表明这仅仅是一个使用某种编码的字符串，编码格式取决于python对源码文件编码的识别，这里就是utf-8。

Python在向控制台输出unicode对象的时候会自动根据输出环境的编码进行转换，但如果输出的不是unicode对象而是普通字符串，则会直接按照字符串的编码输出字符串，从而出现上面的现

象。

使用unicode对象的话，除了这样使用u标记，还可以使用unicode类以及字符串的encode和decode方法。

unicode类的构造函数接受一个字符串参数和一个编码参数，将字符串封装为一个unicode，比如在这里，由于我们用的是utf-8编码，所以unicode中的编码参数使用’utf-8′将字符封装为

unicode对象，然后正确输出到控制台：

s1=unicode(‘哈’, ‘utf-8′)
print s1

另外，用decode函数也可以将一个普通字符串转换为unicode对象。很多人都搞不明白python字符串的decode和encode函数都是什么意思。这里简要说明一下。

decode是将普通字符串按照参数中的编码格式进行解析，然后生成对应的unicode对象，比如在这里我们代码用的是utf-8，那么把一个字符串转换为unicode就是如下形式：

s2=’哈’.decode(‘utf-8′)

这时，s2就是一个存储了’哈’字的unicode对象，其实就和unicode(‘哈’, ‘utf-8′)以及u’哈’是相同的。

那么encode正好就是相反的功能，是将一个unicode对象转换为参数中编码格式的普通字符，比如下面代码：

s3=unicode(‘哈’, ‘utf-8′).encode(‘utf-8′)

s3现在又变回了utf-8的’哈’。

烤鱼片
iysm.net
cleverysm@gmail.com

首先是这几个软件的下载与安装，就不多说了，根据说明文档里的介绍按部就班的安装就行了。
要使用wsgi模块首先要确保将wsgi的so文件放置于apache的modules文件夹中，然后打开apache的配置文件，httpd.conf，添加如下内容：

#加载wsgi模块
LoadModule wsgi_module modules/mod_wsgi.so

#为我们的网站建立虚拟主机
NameVirtualHost *:80
<VirtualHost *:80>

    #假定我们将此网站绑定在beatplane.net域名下
    ServerName beatplane.net
    ServerAlias beatplane.net

    ServerAdmin    admin@beatplane.net
    #假定我们的网站代码是放在/var/www/webpy下
    DocumentRoot /var/www/webpy
    #配置对应目录的访问权限，这里是允许所有的访问
    <Directory /var/www/webpy/>   
        Order allow,deny
        Allow from all
    </Directory>

    #这一步是说明wgsi的处理程序，在此我们是以网站目录下的main.py为主出程序入口，所有对于beatplane.net的访问都交由main.py来处理
    WSGIScriptAlias / /var/www/webpy/main.py

</VirtualHost>

在main.py中的内容如下：

import web
import os
import sys

#注意这个地方，在wsgi环境下，相对路径的起点不是当前这个main.py的位置，而是apache的目录，所以用到相对路径的地方就需要特别处理，通过下面两行得到main.py的真实路径
curdir = os.path.dirname(__file__)
#同时要将此处加入到环境变量中，否则网站路径下的其他模块和包都无法用import引入
sys.path.insert(0, curdir)

urls = (
        ”, ‘index’,
        ‘/(.*)’, ‘index’
)

#下面两行是与普通web.py程序不同的关键处理
#注意此处变量名必须用application，而不可以是其他名称
app = web.application(urls, globals())
application = app.wsgifunc()

#以下部分是应用session的处理方法，这里就用到了上面得到的curdir，如果不如此处理而用相对路径的话，session目录可能不会如你所愿的出现在main.py所在的目录中而造成意想不到的

错误
#同时，注意创建session时传递给Session的第一个变量仍是app，而不能是上面的application，当然，如果你不需要使用session的话，下面的这一部分就不必出现在代码中
#使用session
if web.config.get(‘_session’) is None:
    session = web.session.Session(app, web.session.DiskStore(curdir+’/sessions’), {‘count’: 0})
    web.config._session = session
else:
    session = web.config._session
#sub app下使用session–>>
def session_hook():
    web.ctx.session = session   
app.add_processor(web.loadhook(session_hook))
#sub app下使用session<<–

class index:
    def GET(self, par):
        return par

#注意此处是application，而不是app
if __name__ == "__main__":
    application.run()

重启apache，然后就可以看到效果。
比如在浏览器中访问beatplane.net/hi，页面上将打印出hi。