python开发基于SMTP协议的邮件代发服务

2023-11-10 16:10

本文主要是介绍python开发基于SMTP协议的邮件代发服务,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

写在这篇文章前照例给大家灌输点名词解释,理论知识,当然已经很熟悉的同学可以往下翻直接看干货

1. 什么是SMTP

SMTP即简单传输协议(Simple Mail Transfer Protocol),和http协议一样同样是出于osi七层中的应用层,作为一种电子邮件传输的标准而存在,实现了SMTP的邮箱服务端可以成为SMTP服务器,也叫邮件发送服务器,顾名思义,只管发送邮件,不管接受邮件。

2.IMAP,POP3,SMTP的关系

正如上面说的,SMTP只是作为发送邮件的标准,真正的邮件都存在于邮件服务商的邮件服务器里,那如果我不想登陆服务商的官方平台,用三方软件类似于我们常见的Foxmail,outlook等等软件,那你能够在这些软件上看到你这个邮箱账号下所有的邮件就是基于IMAP或 POP3协议,邮箱服务器准许第三方软件获取邮件,所以实现了IMAP,POP3这两种接受邮件协议的服务端称为邮件接受服务器,刚好就与SMTP的发送服务器配合构成了一个完整的邮件服务

正片开始之前还是介绍些背景吧,公司要做一个代发邮件的功能来对接每个业务子系统,为用户实现一键发送邮件的功能,当然基于业务而言,上我也不能就简单的实现一个发送邮件的脚本或是工具给各个子系统使用,包括发件日志监控,通用邮箱非法内容筛选,统计分析等等内容,但这这些并不是我们的主题。

步骤一 先了解下SMTP协议数据组装,以下是使用python的email库实现了邮件数据打包。

import base64
from email.mime.application import MIMEApplication
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMETextfrom_email = 'ailinyijiu@qq.com'
to_email = ['ailingyijiu@qq.com']
cc_email = ['ailingyijiu@qq.com']
bcc_email = ['ailingyijiu@qq.com']
body = 'ailinyijiu@qq.com'msg = MIMEMultipart('alternative')
msg['From'] = from_email  # 发件人
msg['To'] = ','.join(to_email)  # 收件人
msg['Cc'] = ','.join(cc_email)  # 抄送人
msg['Subject'] = '邮件标题'
msg.attach(MIMEText(body, 'html', 'utf-8'))  # 内容以html形式传输
attachment = MIMEApplication('bytes')  # 定义附件,需要传入附件的二进制形式
attachment.add_header('Content-Disposition', 'attachment',filename='=?utf-8?b?' + base64.b64encode('我的附件'.encode('UTF-8')) + '?=')
msg.attach(attachment)
msg = msg.as_string()

打包之后的数据格式如下:

 

 仔细发现SMTP协议的数据格式和http的数据格式大相径庭,这是因为对于传输多个文件或其他多媒体内容,http协议同样也使用了是最开始为邮件服务的MIME协议

在上面的图片中 MIME 主类型为 multipart 子类型为 mixed 代表的是将每一个附件和邮件内容混合 区分成不同块,通过boundary划分,其他的类型包括 alternative:内容包括普通文本和超文本(也就是html);在http中用到的还有 form-data用于form表单。相同点就是 都是用boundary来区分不同的提交内容

今天不想写了,未完待续。。。

 

转载于:https://www.cnblogs.com/z-gh/p/11477582.html

这篇关于python开发基于SMTP协议的邮件代发服务的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/383786

相关文章

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学