How can I extract HTML embedded in RTF using Python?
我正在尝试从 Outlook msg 文件中提取 HTML 电子邮件正文。我已经使用 email-outlook-message-perl 成功地将它们转换为 eml/标准 RFC 822 文件，但电子邮件的正文是用 RTF package的 HTML。这是一个示例代码段：
|
1
2 3 |
{\\*\\htmltag96 }\\htmlrtf {\\htmlrtf0 {\\*\\htmltag64}\\htmlrtf {\\htmlrtf0 \\htmlrtf{\\f4\\fs24\\htmlrtf0 \‘cd\’d5\’e0\’c1\’c5\’b9\’d5\’e9\’ca\’e8\’a7\’e4\’bb\’b7\’d5\’e8 john.smith\\htmlrtf\\f0}\\htmlrtf0
{\\*\\htmltag116 }\\htmlrtf \\line \\htmlrtf0 |
有没有办法获取 HTML 内容，而不需要所有的 RTF crud？
- 你尝过美味的汤吗？
- 是的。不幸的是，它并没有去除 RTF 标记。
- 它是有效的 RTF 吗？加载到例如Word 并另存为文本。
这是几年前的回帖，但这可能对刚接触 TNEF 并且处于类似情况的人有所帮助…
如果您是 Linux 用户，那么您可以使用 Linux 命令行工具 unrtf 从 rtf 文件中提取 html 内容
unrtf message.rtf
这将为您提供带有 html 内容的输出。
如果你想把它重定向到一个文件中，那么可以试试
unrtf message.rtf > message.html
希望这会有所帮助…
-Suresh
Microsoft 正在使用 TNEF(传输中性封装格式)。所以我认为您需要搜索 TNEF Phyton 实现，例如：
- 解析
来源：https://www.codenong.com/45440517/
