导出网页邮箱里的联系人-python

小雨点点789

网上一强人写的，转过来。支持Gmail，126，网易，搜狐，Hotmail，新浪，雅虎，MSN，经测试正常。不过要先下载BeautifulSoup库。

#!/usr/bin/env python #coding=utf-8 from BeautifulSoup import BeautifulSoup import os,urllib,urllib2,pdb import cookielib import httplib import csv,re GDATA_URL = '/accounts/ClientLogin' class MailContactError(Exception):      pass class MailContact:      def __init__(self,username,password):          pass      def login(self):          pass      def get_contacts(self):          pass      def get_contact_page(self):          pass       class GMailContact(MailContact):      """      A class to retrieve a users contacts from their Google Account.            Dependencies:      -------------      * BeautifulSoup.      * That's it. :-)      Usage:      ------      >>> g = GMailContact('email@example.org', 'password')      >>> g.login()      (200, 'OK')      >>> g.get_contacts()      >>> g.contacts      [(u'Persons Name', 'name@person.com'), ...]      """      def __init__(self, username='test@gmail.com', password='test', service='cp'):          self.mail_type="@gmail.com"          self.username = username + self.mail_type          self.password = password          self.account_type = 'HOSTED_OR_GOOGLE'  # Allow both Google Domain and Gmail accounts          self.service = service                  # Defaults to cp (contacts)          self.source = 'google-data-import'      # Our application name          self.code = ''                          # Empty by default, populated by self.login()          self.contacts = []                      # Empty list by default, populated by self.get_contacts()            def login(self):          """          Login to Google. No arguments.          """          data = urllib.urlencode({              'accountType': self.account_type,              'Email': self.username,              'Passwd': self.password,              'service': self.service,              'source': self.source          })          headers = {              'Content-type': 'application/x-www-form-urlencoded',              'Accept': 'text/plain'          }                    conn = httplib.HTTPSConnection('google.com')          conn.request('POST', GDATA_URL, data, headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise GdataError("Couldn't log in. HTTP Code: %s, %s" % (response.status, response.reason))                       d = response.read()                    self.code = d.split("\n")[2].replace('Auth=', '')          conn.close()          return response.status, response.reason            def _request(self, max_results=200):          """          Base function for requesting the contacts. We'll allow other methods eventually          """          url = '/m8/feeds/contacts/%s/base/?max-results=%d' % (self.username, max_results)                    headers = {'Authorization': 'GoogleLogin auth=%s' % self.code}                    conn = httplib.HTTPConnection('www.google.com')          conn.request('GET', url, headers=headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't log in. HTTP Code: %s, %s" % (response.status, response.reason))                    page = response.read()          conn.close()          return page            def get_contacts(self, max_results=200):          """ Parses the contacts (using BeautifulSoup) from self._request, and then populates self.contacts          """          soup = BeautifulSoup(self._request(max_results))          self.contacts = []          for entry in soup.findAll('title'):              if len(entry.parent.findAll(['gd:email', 'title'])) == 2:                  s = entry.parent.findAll(['gd:email', 'title'])                  self.contacts.append((s[0].string, s[1].get('address')))                    return class M126Contact(MailContact):      def __init__(self,username,password):          self.mail_type="@126.com"          self.username = username          self.password = password                  self.login_host = 'entry.mail.126.com'          self.login_url = '/cgi/login?redirTempName=https.htm&hid=10010102&lightweight=1&verifycookie=1&language=0&style=-1'          self.login_data = urllib.urlencode({              'domain':'126.com',              'language':0,              'bCookie':'',              'user':self.username,              'pass':self.password,              'style':-1,              'remUser':'',              'secure':'',              'enter.x':'%B5%C7+%C2%BC'          })          self.login_headers = {              'Content-type': 'application/x-www-form-urlencoded',              'Accept': 'text/xml,text/plain',              'Refer':'http://www.126.com/'          }          self.contact_host = 'g2a10.mail.126.com'          self.contact_url = '/coremail/fcg/ldvcapp?funcid=prtsearchres&sid=%(sid)s&listnum=200&tempname=address%%2faddress.htm'                def login(self):          conn = httplib.HTTPSConnection(self.login_host)          conn.request('POST', self.login_url,self.login_data,self.login_headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't log in. HTTP Code: %s, %s" % (response.status, response.reason))          #sc="Coremail=aaYgsaQsvSmKa%MBgzxnddkKzjPJUTbMddRUIgVwfeiBUd; path=/; domain=.126.com"          #sid="MBgzxnddkKzjPJUTbMddRUIgVwfeiBUd"          sc = response.getheader('Set-Cookie')          if not sc or sc.find("Coremail") == -1:              #用户密码不正确              raise MailContactError("Email user %s%s password %s not correct!" % (self.username,self.mail_type,self.password))          cookie=sc.split()[0]          coremail = cookie[cookie.find('=')+1:cookie.find(';')]          sid = coremail[coremail.find('%')+1:]          self.contact_url = self.contact_url % {'sid':sid}          self.contact_headers={          'Cookie':'MAIL126_SSN=%(user)s; NETEASE_SSN=%(user)s; nts_mail_user=%(user)s; logType=df; ntes_mail_firstpage=normal; \          Coremail=%(coremail)s;mail_host=g2a14.mail.126.com; mail_sid=%(sid)s; mail_uid=%(user)s@126.com; \          mail_style=dm3; oulink_h=520; ntes_mail_noremember=true' % {'user':self.username,'coremail':coremail,'sid':sid}          }          conn.close()                def get_contact_page(self):          conn = httplib.HTTPConnection(self.contact_host)          conn.request('GET',self.contact_url,headers=self.contact_headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't getc contact page. HTTP Code: %s, %s" % (response.status, response.reason))          page = response.read()          conn.close()          return page                def get_contacts(self):          page = self.get_contact_page()          self.contacts = []          soup = BeautifulSoup(page)          xmps = soup.findAll('xmp')          for x in xmps:              if x['id'].startswith('t'):                  self.contacts.append((x.contents[0],x.space.string)) class M163Contact(MailContact):      def __init__(self,username,password):          self.mail_type="@163.com"          self.username = username          self.password = password                self.contacts = []            self.login_host = 'reg.163.com'                  self.login_url = '/logins.jsp?type=1&url=http://fm163.163.com/coremail/fcg/ntesdoor2?lightweight=1&verifycookie=1&language=-1&style=-1'                    self.login_data = urllib.urlencode({              'verifycookie':1,              'style':-1,              'product':'mail163',              'username':self.username,              'password':self.password,              'selType':-1,              'remUser':'',              'secure':'on'          })          self.login_headers = {              'Content-type': 'application/x-www-form-urlencoded',              'Accept': 'text/xml,text/plain',              'Refer':'http://mail.163.com/'          }          self.contact_host = 'g2a10.mail.163.com'                def login(self):          conn = httplib.HTTPSConnection(self.login_host)          conn.request('POST', self.login_url,self.login_data,self.login_headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't log in. HTTP Code: %s, %s" % (response.status, response.reason))                    sc1 = response.getheader('Set-Cookie')          '''             Set-Cookie:NTES_SESS=ohAWkiyj.OCjHdh1BK4ToxPcUvFX2fSLaN3FaU0cRInzLoieELdifjyqnBdk4C8qWIZkirZ7.JF.IPFDuR7BcAtKL;domain=.163.com; path=/              Set-Cookie: NETEASE_SSN=weafriend; domain=.163.com; path=/; expires=Mon, 08-Jun-2009 10:42:26 GMT              Set-Cookie: NETEASE_ADV=11&24&1212921746999; domain=.163.com; path=/; expires=Mon, 08-Jun-2009 10:42:26 GMT          '''          ntes_sess,ntes_adv = None,None          for s in sc1.split():              if s.startswith('NTES_SESS'):                  ntes_sess=s[s.find('=')+1:s.find(';')]              elif s.startswith('NETEASE_ADV'):                  ntes_adv=s[s.find('=')+1:s.find(';')]          if not ntes_sess or not ntes_adv:              #用户密码不正确              raise MailContactError("Email user %s%s password %s not correct!" % (self.username,self.mail_type,self.password))                    url = '/coremail/fcg/ntesdoor2?lightweight=1&verifycookie=1&language=-1&style=-1&username=weafriend'          headers = {'cookie':sc1}          conn = httplib.HTTPConnection('fm163.163.com')          conn.request('GET',url,{},headers)          response = conn.getresponse()          sc2 = response.getheader('Set-Cookie')          coremail = sc2[sc2.find('=')+1:sc2.find(';')]          sid = coremail[coremail.find('%')+1:]          self.contact_url = '/coremail/fcg/ldvcapp?funcid=prtsearchres&sid=' + sid +'&listnum=200&tempname=address%2faddress.htm'                              self.contact_headers = {          'Cookie':'MAIL163_SSN=%(user)s; vjlast=1212911118; vjuids=-99d7a91f6.1156a6ea3cd.0.9e6d0e6f029e78; \          _ntes_nuid=7118c6a1c9d16ee59a045a2e66186af8;  NTES_adMenuNum=3; \          _ntes_nnid=7118c6a1c9d16ee59a045a2e66186af8,0|www|urs|163mail|news|ent|sports|digi|lady|tech|stock|travel|music|2008|;\          NTES_UFC=9110001100010000000000000000000000100000000000000002331026300000; logType=-1; nts_mail_user=weafriend:-1:1; \          Province=010; _ntes_nvst=1212911122953,|www|urs|; Coremail=%(coremail)s; \          wmsvr_domain=g1a109.mail.163.com; ntes_mail_truename=; ntes_mail_province=; ntes_mail_sex=; mail_style=js3; \          mail_host=g1a109.mail.163.com; mail_sid=%(sid)s; USERTRACK=58.31.69.214.1212911333143304; \          ntes_mail_firstpage=normal; NTES_SESS=%(ntes_sess)s; \          NETEASE_SSN=%(user)s; NETEASE_ADV=%(ntes_adv)s' % {'user':self.username,'coremail':coremail,'sid':sid,'ntes_sess':ntes_sess,'ntes_adv':ntes_adv}          }          return True                                    def get_contact_page(self):          conn = httplib.HTTPConnection(self.contact_host)          conn.request('GET',self.contact_url,headers=self.contact_headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't getc contact page. HTTP Code: %s, %s" % (response.status, response.reason))          page = response.read()          conn.close()          return page                def get_contacts(self):          page = self.get_contact_page()          soup = BeautifulSoup(page)          xmps = soup.findAll('xmp')          for x in xmps:              if x['id'].startswith('t'):                  self.contacts.append((x.contents[0],x.space.string)) class SohuContact(MailContact):      def __init__(self,username,password):          self.mail_type="@sohu.com"          self.username = username          self.password = password                self.contacts = []            self.login_host = 'passport.sohu.com'                  self.login_url = 'http://passport.sohu.com/login.jsp'          self.login_data = urllib.urlencode({              'loginid':self.username+self.mail_type,              'passwd':self.password,              'sg':'5175b065623bb194e85903f5e8c43386',              'eru':'http://login.mail.sohu.com/login.php',              'ru':'http://login.mail.sohu.com/login_comm.php',                 'appid':1000,              'fl':'1',              'ct':1126084880,              'vr':'1|1'                  })          self.login_headers = {              'User-agent':'Opera/9.23',              'Content-type': 'application/x-www-form-urlencoded',              'Accept': 'text/xml,text/plain'                      }          opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookielib.CookieJar()))          urllib2.install_opener(opener)          self.contact_host = 'www50.mail.sohu.com'          self.contact_url = '/webapp/contact'      def login(self):          req = urllib2.Request(self.login_url,self.login_data)          conn = urllib2.urlopen(req)          self.contact_url = os.path.dirname(conn.geturl())+'/contact'                def get_contacts(self):          req = urllib2.Request(self.contact_url)          conn = urllib2.urlopen(req)          buf = conn.readlines()          import simplejson          info = simplejson.loads(buf[0])          for i in info['listString']:              self.contacts.append((i['name'],i['email'])) class HotmailContact(MailContact):      def __init__(self,username,password):          self.mail_type="@hotmail.com"          self.username = username          self.password = password                self.contacts = []            self.login_host = 'login.live.com'                  self.login_url = '/ppsecure/post.srf?id=2'          self.login_data = urllib.urlencode({              'login':self.username+self.mail_type,              'passwd':self.password,              'PPSX':'Pass',              'LoginOption':2,              'PwdPad':'IfYouAreReadingThisYouHaveTooMuchFreeTime'[0:-len(self.password)],              'PPFT':'B1S2dWnsGTFLpX9h8fxfE*ym5OABStpt0fjo%21YICXQOy1b%21xP4dRx8F1h1w6tR8ZyLP4h3TYGS8gSZGku3j7CxQ4poqr'          })          self.login_headers = {              'Content-type': 'application/x-www-form-urlencoded',              'Accept': 'text/xml,text/plain',              'Cookie': 'CkTst=G1213457870062;MobileProf=2AV3mTOwJEE8smIfIyq69wbCn08y6UX7910BtLhqTto2MYrNSBW5hhlEuGlMJdMwwGq1WcxtENCAI1JSyTNfrS23ArFLxDjBNk!xtbIj0iglbu8DQVg9TnSTPtHj975deR;MUID=C2DC0F9324AA47DCB05CE14B989D89C2;ANON=A=E81AEA51F927860B07BBA712FFFFFFFF&E=69f&W=2;s_lastvisit=1213455335875; MH=MSFT;wlidperf=throughput=2087.201125175809&latency=1.422;MSPRequ=lt=1213455763&co=1&id=2;MSPOK=uuid-d75c4c53-1b6e-433c-af95-c3c0175a48cd; CkTst=G1213455761093;MSPPre=fenyon@hotmail.com; MSPCID=0f45e10de2ad38c9;NAP=V=1.7&E=6b4&C=bKkGf4IbC96JLFhsoKyccKm1Kf7jjhX5I3C1ofjvyMoY3iI9j0b6gg&W=2;MSPSoftVis=@:@;BrowserSense=Win=1&Downlevel=0&WinIEOnly=0&Firefox=1&FirefoxVersion=2.0;mktstate=U=&E=en-us; mkt1=norm=en-us; s_cc=true;s_sq=%5B%5BB%5D%5D; MSPP3RD=3688532421',              'Referer': 'https://login.live.com/ppsecure/post.srf?id=2&bk=1213455763'          }          self.contact_host = 'by120w.bay120.mail.live.com'          self.contact_url = '/mail/GetContacts.aspx'            def getInputValue(self,name,content):          pass      def login(self):          #登录过程见http://blog.jiexoo.com/2008/05/21/%e7%94%a8httpclient%e8%8e%b7%e5%8f%96hotmail%e8%81%94%e7%b3%bb%e4%ba%ba%e5%88%97%e8%a1%a8/          conn = httplib.HTTPSConnection(self.login_host)          conn.request('GET','login.srf?id=2')          response = conn.getresponse()                    conn = httplib.HTTPSConnection(self.login_host)          conn.request('POST', self.login_url,self.login_data,self.login_headers)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't getc contact page. HTTP Code: %s, %s" % (response.status, response.reason))          page = response.read()          print page                          def get_contacts(self):          conn = httplib.HTTPConnection(self.contact_host)          conn.request('GET',self.contact_url)          response = conn.getresponse()          if not str(response.status) == '200':              raise MailContactError("Couldn't getc contact page. HTTP Code: %s, %s" % (response.status, response.reason))          page = response.read()          conn.close()          print page class SinaContact(MailContact):      pass class YahooContact(MailContact):      pass class MsnContact(MailContact):      pass def get_mailcontact(user,password,mailtype):      if mailtype == "126.com":          g = M126Contact(user,password)      elif mailtype == "163.com":              g = M163Contact(user,password)      elif mailtype == "sohu.com":              g = SohuContact(user,password)      elif mailtype == "hotmail.com":              g = HotmailContact(user,password)      elif mailtype == "sina.com":              g = SinaContact(user,password)         elif mailtype == "gmail.com":          g = GMailContact(user,password)      try:          g.login()          g.get_contacts()          return g.contacts      except:          return []                     def get_csvcontact(iter):      contact,name = [],None      reader = csv.reader(iter)      for r in reader:          for c in r:              if not c or not len(c.strip()):                  continue              m=re.search('\w+@\w+(?:\.\w+)+',c)              if m:                  print name,m.group(0)                  contact.append((name,m.group(0)))                  break              else:                  name = c      return contact def get_imcontact(iter):      contact = []      reader = csv.reader(iter)      for r in reader:          for c in r:              m=re.search('\w+@\w+(?:\.\w+)+',c)              if m:                  print m                  contact.append((m))      return contact if __name__=='__main__':      pdb.set_trace()      httplib.HTTPSConnection.debuglevel=1      httplib.HTTPConnection.debuglevel=1         g = GMailContact('***', '***')      g.login()      g.get_contacts()      print g.contacts            g = M163ContactContact('***', '***')      g.login()      g.get_contacts()      print g.contacts