Intento fallido de separar los emails reenviados
This commit is contained in:
parent
b9c3024e04
commit
220e911731
Binary file not shown.
Binary file not shown.
|
|
@ -9,6 +9,7 @@ from bs4 import BeautifulSoup
|
|||
from email.utils import parsedate_to_datetime
|
||||
from models.mensaje_email import MensajeEmail
|
||||
from utils.attachment_handler import guardar_adjunto
|
||||
from utils.forward_handler import extract_forwarded_messages
|
||||
import tempfile
|
||||
import os
|
||||
|
||||
|
|
@ -183,96 +184,6 @@ def procesar_eml(ruta_archivo, dir_adjuntos):
|
|||
print(f"Error al abrir el archivo {ruta_archivo}: {str(e)}")
|
||||
return []
|
||||
|
||||
def procesar_eml_interno(mensaje, dir_adjuntos):
|
||||
"""
|
||||
Procesa un mensaje de email, ya sea desde archivo o adjunto
|
||||
"""
|
||||
mensajes = []
|
||||
|
||||
try:
|
||||
remitente = mensaje.get('from', '')
|
||||
fecha_str = mensaje.get('date', '')
|
||||
fecha = _parsear_fecha(fecha_str)
|
||||
|
||||
# Get subject from email headers first
|
||||
subject = mensaje.get('subject', '')
|
||||
if subject:
|
||||
# Try to decode if it's encoded
|
||||
subject = str(email.header.make_header(email.header.decode_header(subject)))
|
||||
|
||||
contenido = ""
|
||||
adjuntos = []
|
||||
tiene_html = False
|
||||
|
||||
# First pass: check for HTML content
|
||||
if mensaje.is_multipart():
|
||||
for parte in mensaje.walk():
|
||||
if parte.get_content_type() == "text/html":
|
||||
tiene_html = True
|
||||
break
|
||||
else:
|
||||
tiene_html = mensaje.get_content_type() == "text/html"
|
||||
|
||||
# Second pass: process content and attachments
|
||||
if mensaje.is_multipart():
|
||||
for parte in mensaje.walk():
|
||||
content_type = parte.get_content_type()
|
||||
|
||||
try:
|
||||
if content_type == "text/html":
|
||||
html_content = _get_payload_safely(parte)
|
||||
if html_content:
|
||||
part_subject, text = _html_a_markdown(html_content)
|
||||
if not subject and part_subject:
|
||||
subject = part_subject
|
||||
if text:
|
||||
contenido = text
|
||||
elif content_type == "text/plain" and not tiene_html:
|
||||
text = _get_payload_safely(parte)
|
||||
if text:
|
||||
contenido = text
|
||||
elif content_type == "message/rfc822":
|
||||
# Procesar email adjunto
|
||||
mensajes_adjuntos = _procesar_email_adjunto(parte, dir_adjuntos)
|
||||
mensajes.extend(mensajes_adjuntos)
|
||||
elif parte.get_content_disposition() == 'attachment':
|
||||
nombre = parte.get_filename()
|
||||
if nombre and nombre.lower().endswith('.eml'):
|
||||
# Si es un archivo .eml adjunto
|
||||
mensajes_adjuntos = _procesar_email_adjunto(parte, dir_adjuntos)
|
||||
mensajes.extend(mensajes_adjuntos)
|
||||
else:
|
||||
# Otros tipos de adjuntos
|
||||
ruta_adjunto = guardar_adjunto(parte, dir_adjuntos)
|
||||
if ruta_adjunto:
|
||||
adjuntos.append(Path(ruta_adjunto).name)
|
||||
except Exception as e:
|
||||
print(f"Error procesando parte del mensaje: {str(e)}")
|
||||
continue
|
||||
else:
|
||||
if mensaje.get_content_type() == "text/html":
|
||||
html_content = _get_payload_safely(mensaje)
|
||||
if html_content:
|
||||
part_subject, contenido = _html_a_markdown(html_content)
|
||||
if not subject and part_subject:
|
||||
subject = part_subject
|
||||
else:
|
||||
contenido = _get_payload_safely(mensaje) or ""
|
||||
|
||||
# Solo agregar el mensaje si tiene contenido útil
|
||||
if contenido or subject or adjuntos:
|
||||
mensajes.append(MensajeEmail(
|
||||
remitente=remitente,
|
||||
fecha=fecha,
|
||||
contenido=contenido,
|
||||
subject=subject,
|
||||
adjuntos=adjuntos
|
||||
))
|
||||
|
||||
except Exception as e:
|
||||
print(f"Error procesando mensaje: {str(e)}")
|
||||
|
||||
return mensajes
|
||||
|
||||
def _parsear_fecha(fecha_str):
|
||||
try:
|
||||
|
|
@ -292,4 +203,88 @@ def _parsear_fecha(fecha_str):
|
|||
return datetime(int(año), mes_num, int(dia), int(hora), int(minuto))
|
||||
except:
|
||||
pass
|
||||
return datetime.now()
|
||||
return datetime.now()
|
||||
|
||||
def procesar_eml_interno(mensaje, dir_adjuntos):
|
||||
"""
|
||||
Procesa un mensaje de email, ya sea desde archivo o adjunto
|
||||
"""
|
||||
mensajes = []
|
||||
|
||||
try:
|
||||
remitente = mensaje.get('from', '')
|
||||
fecha_str = mensaje.get('date', '')
|
||||
fecha = _parsear_fecha(fecha_str)
|
||||
|
||||
# Get subject from email headers first
|
||||
subject = mensaje.get('subject', '')
|
||||
if subject:
|
||||
subject = str(email.header.make_header(email.header.decode_header(subject)))
|
||||
|
||||
contenido = ""
|
||||
adjuntos = []
|
||||
contenido_html = None
|
||||
|
||||
# First pass: check for HTML content and extract it
|
||||
if mensaje.is_multipart():
|
||||
for parte in mensaje.walk():
|
||||
content_type = parte.get_content_type()
|
||||
|
||||
try:
|
||||
if content_type == "text/html":
|
||||
html_content = _get_payload_safely(parte)
|
||||
if html_content:
|
||||
contenido_html = html_content
|
||||
elif content_type == "text/plain" and not contenido_html:
|
||||
contenido = _get_payload_safely(parte) or ""
|
||||
elif content_type == "message/rfc822":
|
||||
mensajes_adjuntos = _procesar_email_adjunto(parte, dir_adjuntos)
|
||||
mensajes.extend(mensajes_adjuntos)
|
||||
elif parte.get_content_disposition() == 'attachment':
|
||||
nombre = parte.get_filename()
|
||||
if nombre and nombre.lower().endswith('.eml'):
|
||||
mensajes_adjuntos = _procesar_email_adjunto(parte, dir_adjuntos)
|
||||
mensajes.extend(mensajes_adjuntos)
|
||||
else:
|
||||
ruta_adjunto = guardar_adjunto(parte, dir_adjuntos)
|
||||
if ruta_adjunto:
|
||||
adjuntos.append(Path(ruta_adjunto).name)
|
||||
except Exception as e:
|
||||
print(f"Error procesando parte del mensaje: {str(e)}")
|
||||
continue
|
||||
else:
|
||||
if mensaje.get_content_type() == "text/html":
|
||||
contenido_html = _get_payload_safely(mensaje)
|
||||
else:
|
||||
contenido = _get_payload_safely(mensaje) or ""
|
||||
|
||||
# Process HTML content if available
|
||||
if contenido_html:
|
||||
part_subject, text = _html_a_markdown(contenido_html)
|
||||
if not subject and part_subject:
|
||||
subject = part_subject
|
||||
contenido = text
|
||||
|
||||
# Process forwarded messages from the markdown content
|
||||
if contenido:
|
||||
print(f"\nBuscando mensajes reenviados en contenido ({len(contenido)} chars)")
|
||||
print("Primeros 200 chars:", contenido[:200])
|
||||
contenido_principal, mensajes_reenviados = extract_forwarded_messages(contenido)
|
||||
print(f"Encontrados {len(mensajes_reenviados)} mensajes reenviados")
|
||||
contenido = contenido_principal
|
||||
mensajes.extend(mensajes_reenviados)
|
||||
|
||||
# Solo agregar el mensaje principal si tiene contenido útil
|
||||
if contenido or subject or adjuntos:
|
||||
mensajes.insert(0, MensajeEmail(
|
||||
remitente=remitente,
|
||||
fecha=fecha,
|
||||
contenido=contenido,
|
||||
subject=subject,
|
||||
adjuntos=adjuntos
|
||||
))
|
||||
|
||||
except Exception as e:
|
||||
print(f"Error procesando mensaje: {str(e)}")
|
||||
|
||||
return mensajes
|
||||
|
|
@ -0,0 +1,144 @@
|
|||
# utils/forward_handler.py
|
||||
import re
|
||||
import os
|
||||
from datetime import datetime
|
||||
from email.utils import parseaddr
|
||||
from models.mensaje_email import MensajeEmail
|
||||
|
||||
# Patrones de inicio de mensaje reenviado en diferentes idiomas
|
||||
FORWARD_PATTERNS = [
|
||||
r"[-]{3,}\s*Messaggio originale\s*[-]{3,}", # Italiano
|
||||
r"[-]{3,}\s*Original Message\s*[-]{3,}", # Inglés
|
||||
r"[-]{3,}\s*Mensaje original\s*[-]{3,}", # Español
|
||||
r"[-]{3,}\s*Message d'origine\s*[-]{3,}", # Francés
|
||||
r"[-]{3,}\s*Ursprüngliche Nachricht\s*[-]{3,}", # Alemán
|
||||
# Variantes más flexibles
|
||||
r"[-]{3,}\s*Forwarded message\s*[-]{3,}",
|
||||
r"[-]{3,}\s*Mensaje reenviado\s*[-]{3,}",
|
||||
r"[-]{3,}\s*Messaggio inoltrato\s*[-]{3,}",
|
||||
# Patrones con > que suelen aparecer en texto plano
|
||||
r"(?m)^>\s*[-]{3,}\s*Messaggio originale\s*[-]{3,}",
|
||||
r"(?m)^>\s*[-]{3,}\s*Original Message\s*[-]{3,}"
|
||||
]
|
||||
|
||||
# Patrones de headers en diferentes idiomas
|
||||
HEADER_PATTERNS = {
|
||||
'from': [
|
||||
r"Da:\s*(.*)", # Italiano
|
||||
r"From:\s*(.*)", # Inglés
|
||||
r"De:\s*(.*)", # Español
|
||||
r"Von:\s*(.*)", # Alemán
|
||||
r"De :\s*(.*)" # Francés
|
||||
],
|
||||
'date': [
|
||||
r"Inviato:\s*(.*)", # Italiano
|
||||
r"Sent:\s*(.*)", # Inglés
|
||||
r"Enviado:\s*(.*)", # Español
|
||||
r"Gesendet:\s*(.*)", # Alemán
|
||||
r"Envoyé :\s*(.*)" # Francés
|
||||
],
|
||||
'subject': [
|
||||
r"Oggetto:\s*(.*)", # Italiano
|
||||
r"Subject:\s*(.*)", # Inglés
|
||||
r"Asunto:\s*(.*)", # Español
|
||||
r"Betreff:\s*(.*)", # Alemán
|
||||
r"Sujet :\s*(.*)" # Francés
|
||||
]
|
||||
}
|
||||
|
||||
def extract_forwarded_messages(contenido):
|
||||
"""
|
||||
Extrae mensajes reenviados del contenido del email
|
||||
Retorna una lista de objetos MensajeEmail
|
||||
"""
|
||||
mensajes = []
|
||||
|
||||
# Crear el patrón de división combinando todos los patrones de reenvío
|
||||
split_pattern = '|'.join(f"({pattern})" for pattern in FORWARD_PATTERNS)
|
||||
|
||||
# Dividir el contenido usando el patrón combinado
|
||||
partes = re.split(split_pattern, contenido)
|
||||
|
||||
# El primer elemento es el contenido original del email
|
||||
contenido_original = partes[0].strip()
|
||||
|
||||
# Procesar cada parte que coincide con un patrón de reenvío
|
||||
for i in range(1, len(partes), len(FORWARD_PATTERNS) + 1):
|
||||
# Encontrar qué patrón coincidió
|
||||
patron_encontrado = next((p for p in partes[i:i+len(FORWARD_PATTERNS)] if p), None)
|
||||
if patron_encontrado and i + len(FORWARD_PATTERNS) < len(partes):
|
||||
contenido_reenviado = partes[i + len(FORWARD_PATTERNS)].strip()
|
||||
if contenido_reenviado:
|
||||
mensaje = _procesar_contenido_reenviado(contenido_reenviado)
|
||||
if mensaje:
|
||||
mensajes.append(mensaje)
|
||||
|
||||
return contenido_original, mensajes
|
||||
|
||||
def _procesar_contenido_reenviado(contenido):
|
||||
"""
|
||||
Procesa el contenido de un mensaje reenviado y extrae la información relevante
|
||||
"""
|
||||
# Extraer headers
|
||||
remitente = None
|
||||
fecha_str = None
|
||||
subject = None
|
||||
cuerpo = contenido
|
||||
|
||||
# Buscar headers al inicio del mensaje
|
||||
lineas = contenido.split('\n')
|
||||
headers_encontrados = 0
|
||||
i = 0
|
||||
|
||||
while i < len(lineas) and headers_encontrados < 3:
|
||||
linea = lineas[i].strip()
|
||||
|
||||
# Buscar remitente
|
||||
if not remitente:
|
||||
for pattern in HEADER_PATTERNS['from']:
|
||||
match = re.match(pattern, linea)
|
||||
if match:
|
||||
remitente = match.group(1).strip()
|
||||
headers_encontrados += 1
|
||||
break
|
||||
|
||||
# Buscar fecha
|
||||
if not fecha_str:
|
||||
for pattern in HEADER_PATTERNS['date']:
|
||||
match = re.match(pattern, linea)
|
||||
if match:
|
||||
fecha_str = match.group(1).strip()
|
||||
headers_encontrados += 1
|
||||
break
|
||||
|
||||
# Buscar asunto
|
||||
if not subject:
|
||||
for pattern in HEADER_PATTERNS['subject']:
|
||||
match = re.match(pattern, linea)
|
||||
if match:
|
||||
subject = match.group(1).strip()
|
||||
headers_encontrados += 1
|
||||
break
|
||||
|
||||
i += 1
|
||||
|
||||
# Si encontramos headers, el cuerpo comienza después de ellos
|
||||
if headers_encontrados > 0:
|
||||
cuerpo = '\n'.join(lineas[i:]).strip()
|
||||
|
||||
# Si no tenemos la información mínima necesaria, retornar None
|
||||
if not (remitente or fecha_str or cuerpo):
|
||||
return None
|
||||
|
||||
# Crear el objeto MensajeEmail
|
||||
try:
|
||||
return MensajeEmail(
|
||||
remitente=remitente or "Remitente Desconocido",
|
||||
fecha=fecha_str or datetime.now(),
|
||||
contenido=cuerpo,
|
||||
subject=subject,
|
||||
adjuntos=[]
|
||||
)
|
||||
except Exception as e:
|
||||
print(f"Error creando mensaje reenviado: {str(e)}")
|
||||
return None
|
||||
Loading…
Reference in New Issue