
flanker
کتابخانه منبع باز پایتون برای تجزیه ایمیل
تجزیه آدرسهای ایمیل، اعتبارسنجی آدرسها و تجزیه پیامهای MIME با API رایگان منبع باز پایتون.
flanker چیست؟
flanker یک کتابخانه متنباز پایتون است که توسط Mailgun برای تجزیه آدرسهای ایمیل و پیامهای MIME توسعه یافته است. این کتابخانه ابزارهای قدرتمندی برای اعتبارسنجی آدرسهای ایمیل، تجزیه فهرستهای پیچیده آدرس و استخراج دادههای ساختاریافته از پیامهای MIME فراهم میکند. برای استفاده در محیطهای تولید طراحی شده است و از هر دو نسخه Python 2.7 و Python 3.6+ پشتیبانی میکند، که آن را برای توسعهدهندگانی که برنامههای پر ایمیل مانند خطوط پردازش ایمیل، یکپارچهسازیهای CRM و سیستمهای اعلان میسازند، ایدهآل میسازد.
این کتابخانه شامل دو ماژول اصلی است: `flanker.addresslib` برای تجزیه و اعتبارسنجی آدرسهای ایمیل، و `flanker.mime` برای تجزیه پیامهای MIME. این کتابخانه از حالتهای تجزیه سختگیرانه و سهلگیرانه، اعتبارسنجی رکوردهای DNS/MX و گزارشگیری دقیق خطاها پشتیبانی میکند. با API تمیز و وابستگیهای کمینه، flanker به توسعهدهندگان امکان میدهد دادههای ایمیل را بهصورت قابل اعتماد پردازش کنند بدون اینکه به باینریهای خارجی یا وابستگیهای پیچیده نیاز داشته باشند. استفاده گسترده آن در زیرساختهای Mailgun، پایداری و عملکرد را در محیطهای با حجم بالا تضمین میکند.
شروع کار با flanker
برای شروع کار با flanker، ابتدا باید هدرهای Python نصب شوند. در اوبونتو، دستور `sudo apt-get install python-dev` را اجرا کنید؛ در فدورا، از `sudo yum install python-devel` استفاده کنید. سپس با pip نصب کنید: `pip install flanker`. بهجای آن، میتوانید مخزن [flanker گیتهاب](https://github.com/mailgun/flanker) را کلون کنید و `pip install -e .` را اجرا کنید. این کتابخانه سبک وزن است، وابستگیهای کمی دارد و برای استفاده در محیط تولید آماده است. مستندات دقیق و مراجع API در مخزن GitHub پروژه موجود است.
نصب flanker از طریق PIP یا GitHub
# Ubuntu: install Python headers
sudo apt-get install python-dev
# Install via pip
pip install flanker
# Or clone and install from GitHub
git clone git@github.com:mailgun/flanker.git
cd flanker
pip install -e .
تجزیه و اعتبارسنجی آدرسهای ایمیل
flanker ابزارهای قدرتمندی برای تجزیه و اعتبارسنجی آدرسهای ایمیل فراهم میکند. میتوانید یک آدرس منفرد با نام نمایشی را تجزیه کنید، در مقابل رکوردهای DNS/MX اعتبارسنجی کنید و قوانین گرامری ESP را بررسی کنید. این کتابخانه حالتهای تجزیه سختگیرانه و سهلگیرانه را پشتیبانی میکند و میتواند آدرسهای تجزیهشده یا `None` را برای ورودیهای نامعتبر برگرداند. همچنین فهرستهای آدرس را مدیریت میکند و آدرسهای تجزیهشده و بخشهای غیرقابل تجزیه را بهصورت جداگانه برمیگرداند. این ویژگیها آن را برای پاکسازی ورودی کاربر، اعتبارسنجی واردات انبوه و اطمینان از یکپارچگی دادهها در جریانهای کاری مبتنی بر ایمیل ایدهآل میسازد.
چگونه آدرسهای ایمیل را با پایتون تجزیه و اعتبارسنجی کنیم؟
from flanker.addresslib import address
# Parse single address with display name
addr = address.parse('John Doe <john@example.com>')
print(addr) # John Doe <john@example.com>
# Validate with DNS/MX checks
valid = address.validate_address('john@mailgun.com')
print(valid) # john@mailgun.com
# Parse list and separate valid/unparseable
parsed, failed = address.parse_list(['john@example.com, @invalid'], as_tuple=True)
print(parsed, failed) # [john@example.com], ['@invalid']
تجزیه پیامهای MIME
ماژول تجزیه MIME flanker (`flanker.mime`) به توسعهدهندگان امکان میدهد پیامهای ایمیل خام را به اشیای ساختار یافته پایتون تبدیل کنند. میتوانید سرآیندها را استخراج کنید، بدنهها را رمزگشایی کنید، انواع محتوا را شناسایی کنید و به راحتی ساختارهای چندبخشی را مرور کنید. این کتابخانه بهصورت خودکار رمزگذاری، تبدیل مجموعه کاراکترها و بخشهای تو در توی MIME را مدیریت میکند. با پیششرطهایی مانند `is_multipart()` و `is_singlepart()` میتوانید بهصورت برنامهنویسی ساختار پیام را بررسی کنید و هر بخش را بهطور مناسب پردازش کنید — ایدهآل برای ساخت کلاینتهای ایمیل، سیستمهای بایگانی یا خطوط پردازش خودکار.
چگونه پیامهای MIME را تجزیه و استخراج سرآیندها و بدنهها کنیم؟
from flanker import mime
# Parse raw MIME message
msg = mime.from_string(raw_message)
# Extract headers
headers = msg.headers.items()
# Check content type
is_multipart = msg.content_type.is_multipart()
# Decode body (handles multipart automatically)
for part in msg.parts:
print(f"Content-Type: {part.content_type}")
print(f"Body: {part.body}")
استخراج سرصفحهها و متادیتا
flanker دسترسی غنی به سرآیندهای ایمیل و متادیتا را از طریق API تجزیه MIME خود فراهم میکند. سرآیندها بهصورت یک دیکشنری چندمقداری یونیکد بازگردانده میشوند که جستجوهای بدون حساسیت به حروف بزرگ/کوچک و مقادیر ساختاریافته (مثلاً `Content-Type` که به نوع و پارامترها تجزیه میشود) را پشتیبانی میکند. میتوانید فرستنده، گیرنده، موضوع، تاریخ و سرآیندهای سفارشی را بهراحتی بازیابی کنید. این ویژگی بهویژه برای ایندکسگذاری ایمیل، فیلتر کردن هرزنامه، حسابرسی انطباق و ساخت بایگانیهای ایمیلپذیر برای جستجو که تجزیه دقیق سرآیندها حیاتی است، مفید است.
چگونه سرآیندها و متادیتای ایمیل را با پایتون استخراج کنیم؟
from flanker import mime
msg = mime.from_string(raw_message)
# Get all headers as list of tuples
for key, value in msg.headers.items():
print(f"{key}: {value}")
# Access structured content-type
ctype = msg.content_type
print(f"Type: {ctype.type}, Boundary: {ctype.boundary}")
# Get raw header value
raw_from = msg.headers.get('From')
print(raw_from) # Bob <bob@example.com>
مدیریت پیامهای چندبخشی و پیوستها
flanker کار با پیامهای چندبخشی پیچیده، از جمله آنهایی که بخشهای تو در تو و پیوستها دارند، را ساده میکند. میتوانید با تکرار `msg.parts` به هر بخش MIME دسترسی پیدا کنید، نوع محتوا را بررسی کنید و بدنه آن را رمزگشایی کنید. این کتابخانه بهصورت خودکار رمزگشایی base64 و quoted‑printable، تبدیل charset و تشخیص مرزها را انجام میدهد. این باعث میشود استخراج نسخههای text/plain و text/html، ذخیره پیوستها یا بازسازی پیامها برای ارسال مجدد یا بایگانی بهراحتی انجام شود—ایدهآل برای کلاینتهای ایمیل، ابزارهای پشتیبانگیری و سیستمهای انطباق.
چگونه پیامهای چندبخشی را پردازش و پیوستها را استخراج کنیم؟
from flanker import mime
msg = mime.from_string(raw_message)
# Iterate over parts
for part in msg.parts:
if part.content_type.is_text():
print(f"Text part: {part.body}")
elif part.content_type.is_attachment():
filename = part.content_type.filename
payload = part.body
print(f"Attachment: {filename}, size: {len(payload)}")
