email.charset: Representando conjuntos de caracteres

Código-fonte: Lib/email/charset.py

Este módulo faz parte da API de e-mail legada (Compat32). Na nova API, apenas a tabela de apelidos é usada.

O texto restante nesta seção é a documentação original do módulo.

Este módulo fornece uma classe Charset para representar conjuntos de caracteres e conversões de conjuntos de caracteres em mensagens de e-mail, bem como um registro de conjuntos de caracteres e vários métodos práticos para manipular esse registro. Instâncias de Charset são usadas em vários outros módulos do pacote email.

Importa esta classe do módulo email.charset.

class email.charset.Charset(input_charset=DEFAULT_CHARSET)

Mapeia conjuntos de caracteres para suas propriedades de e-mail.

Esta classe fornece informações sobre os requisitos impostos ao e-mail para um conjunto de caracteres específico. Também fornece rotinas práticas para conversão entre conjuntos de caracteres, considerando a disponibilidade dos codecs aplicáveis. Dado um conjunto de caracteres, ela fará o possível para fornecer informações sobre como usá-lo em uma mensagem de e-mail de forma compatível com RFC.

Certos conjuntos de caracteres devem ser codificados com quoted-printable ou base64 quando usados ​​em cabeçalhos ou corpos de e-mail. Certos conjuntos de caracteres devem ser convertidos diretamente e não são permitidos em e-mails.

O input_charset opcional é descrito abaixo; ele é sempre convertido para letras minúsculas. Após ser normalizado por apelido, ele também é usado como uma consulta no registro de conjuntos de caracteres para descobrir a codificação do cabeçalho, a codificação do corpo e o codec de conversão de saída a serem usados ​​para o conjunto de caracteres. Por exemplo, se input_charset for iso-8859-1, os cabeçalhos e corpos serão codificados usando quoted-printable e nenhum codec de conversão de saída será necessário. Se input_charset for euc-jp, os cabeçalhos serão codificados em base64, os corpos não serão codificados, mas o texto de saída será convertido do conjunto de caracteres euc-jp para o conjunto de caracteres iso-2022-jp.

Instâncias Charset têm os seguintes atributos de dados:

input_charset

O conjunto de caracteres inicial especificado. Apelidos comuns são convertidos em seus nomes de e-mail oficiais (por exemplo, latin_1 é convertido para iso-8859-1). O padrão é us-ascii de 7 bits.

header_encoding

Se o conjunto de caracteres precisar ser codificado antes de ser usado em um cabeçalho de e-mail, este atributo será definido como charset.QP (para quoted-printable), charset.BASE64 (para codificação base64) ou charset.SHORTEST para a codificação mais curta entre QP ou BASE64. Caso contrário, será None.

body_encoding

O mesmo que header_encoding, mas descreve a codificação do corpo da mensagem de e-mail, que pode ser diferente da codificação do cabeçalho. charset.SHORTEST não é permitido para body_encoding.

output_charset

Alguns conjuntos de caracteres precisam ser convertidos antes de serem usados ​​em cabeçalhos ou corpos de e-mail. Se input_charset for um deles, este atributo conterá o nome do conjunto de caracteres para o qual a saída será convertida. Caso contrário, será None.

input_codec

O nome do codec Python usado para converter o input_charset para Unicode. Se nenhum codec de conversão for necessário, este atributo será None.

output_codec

O nome do codec Python usado para converter Unicode para o output_charset. Se nenhum codec de conversão for necessário, este atributo terá o mesmo valor que o input_codec.

Instâncias Charset também têm os seguintes métodos:

get_body_encoding()

Retorna a codificação de transferência de conteúdo usada para codificação do corpo.

Esta é a string quoted-printable ou base64, dependendo da codificação usada, ou é uma função, caso em que você deve chamar a função com um único argumento, sendo o objeto Message codificado. A função deve então definir o próprio cabeçalho Content-Transfer-Encoding com o valor apropriado.

Retorna a string quoted-printable se body_encoding for QP, retorna a string base64 se body_encoding for BASE64 e retorna a string 7bit caso contrário.

get_output_charset()

Retorna o conjunto de caracteres de saída.

Este é o atributo output_charset se não for None, caso contrário, é input_charset.

header_encode(string)

Codifica o cabeçalho com a string string.

O tipo de codificação (base64 ou quoted-printable) será baseado no atributo header_encoding.

header_encode_lines(string, maxlengths)

Codifica um cabeçalho de uma string convertendo-a primeiro em bytes.

Isso é semelhante a header_encode(), exceto que a string é ajustada aos comprimentos máximos de linha, conforme fornecido pelo argumento maxlengths, que deve ser um iterador: cada elemento retornado deste iterador fornecerá o próximo comprimento máximo de linha.

body_encode(string)

Codifica o corpo com a string string.

O tipo de codificação (base64 ou quoted-printable) será baseado no atributo body_encoding.

A classe Charset também fornece vários métodos para dar suporte a operações padrão e funções embutidas.

__str__()

Retorna input_charset como uma string convertida para minúsculas. __repr__() é um apelido para __str__().

__eq__(other)

Este método permite que você compare duas instâncias Charset para verificar a igualdade.

__ne__(other)

Este método permite que você compare duas instâncias Charset para verificar a desigualdade.

O módulo email.charset também fornece as seguintes funções para adicionar novas entradas ao conjunto global de caracteres, apelidos e registros de codec:

email.charset.add_charset(charset, header_enc=None, body_enc=None, output_charset=None)

Adiciona propriedades de caracteres ao registro global.

charset é o conjunto de caracteres de entrada e deve ser o nome canônico de um conjunto de caracteres.

header_enc e body_enc opcionais são charset.QP para quoted-printable, charset.BASE64 para codificação base64, charset.SHORTEST para a codificação mais curta entre quoted-printable ou base64, ou None para nenhuma codificação. SHORTEST é válido apenas para header_enc. O padrão é None para nenhuma codificação.

output_charset opcional é o conjunto de caracteres que a saída deve conter. As conversões prosseguirão do conjunto de caracteres de entrada para Unicode e para o conjunto de caracteres de saída quando o método Charset.convert() for chamado. O padrão é gerar a saída no mesmo conjunto de caracteres da entrada.

Tanto input_charset quanto output_charset devem ter entradas de codec Unicode no mapeamento de conjunto de caracteres para codec do módulo; use add_codec() para adicionar codecs que o módulo não conhece. Consulte a documentação do módulo codecs para obter mais informações.

O registro do conjunto de caracteres global é mantido no dicionário global do módulo CHARSETS.

email.charset.add_alias(alias, canonical)

Adicione um apelido para o conjunto de caracteres. alias é o nome do alias, por exemplo, latin-1. canonical é o nome canônico do conjunto de caracteres, por exemplo, iso-8859-1.

O registro global de apelido de conjunto de caracteres é mantido no dicionário global do módulo ALIASES.

email.charset.add_codec(charset, codecname)

Adiciona um codec que mapeia caracteres no conjunto de caracteres fornecido para e a partir do Unicode.

charset é o nome canônico de um conjunto de caracteres. codecname é o nome de um codec Python, conforme apropriado para o segundo argumento do método encode() do str.