通過構建一條可配置的處理流水線：IMAP抓取 → 多策略解析 → URL去重 → LLM分析 → 報告生成。自動從訂閱郵件中提取文章鏈接，生成結構化 AI 分析報告。：

• 多過濾器（多來源）統(tǒng)一處理
• 通過策略模式，適配不同郵件結構
• 分析階段支持增量輸出，避免長任務數(shù)據(jù)丟失
• CLI 驅動 + 配置驅動，具備可擴展性

架構設計（Architecture）

架構圖（Mermaid）

架構解讀

模塊劃分

數(shù)據(jù)流

• Email → URL → AnalysisResult → Report

設計

• 解耦：Fetcher / Parser / Analyzer 可獨立替換
• 擴展性：新增解析策略無需改主流程
• 復用性：Analyzer 可用于任意 URL 數(shù)據(jù)源

核心流程（Main Flow）

流程拆解

1. 啟動 / 初始化

• 輸入：CLI 參數(shù) + config.toml
• 處理：加載配置、初始化模塊
• 輸出：Config 對象

2. 郵件抓取

輸入：FilterConfig

處理：

• IMAP 搜索（UNSEEN + FROM）
• Python 二次過濾（關鍵詞）

輸出：郵件列表

3. URL 提取

輸入：郵件內容（HTML/Text）

處理：

• 根據(jù)策略選擇 parser
• 解析鏈接
• 去 tracking 參數(shù)

輸出：ExtractedURL[]

4. 分析階段

輸入：URL + Prompt 模板

處理：

• 構造 Prompt
• 調用 Gemini CLI
• 清洗輸出

輸出：AnalysisResult

5. 輸出生成

輸入：URL + AnalysisResult

處理：

• Markdown 渲染
• JSON 序列化

輸出：報告文件

核心實現(xiàn)解析（Key Implementation）

配置系統(tǒng)（類型安全 + 多過濾器）

統(tǒng)一管理多來源郵件規(guī)則，避免硬編碼。

@dataclasses.dataclass
class FilterConfig:
    name: str
    sender: str
    title_keywords: List[str]
    max_emails: int
    extract_format: str = "name_url"


for f in filters_data:
    if name in names:
        raise ValueError("Duplicate filter name")

設計

• ? 使用 dataclass → 類型安全
• ? 支持多 filter → 擴展性強

Fetcher（IMAP + 雙層過濾）

高效篩選目標郵件，減少無效解析。

search_criteria = ["UNSEEN"]
if filter_config.sender:
    search_criteria.extend(["FROM", filter_config.sender])


if not filter_config.title_keywords:
    return True
  

設計

• IMAP 過濾（粗篩）
• Python 過濾（精篩）
• ? 減少網(wǎng)絡數(shù)據(jù)量
• ? 靈活性高

Parser（策略模式）

適配不同郵件格式（Medium / Newsletter 等）

class ParserFactory:
    def create(extract_format):
        if extract_format == "name_url":
            return MediumParser()

設計

• 多解析策略
• HTML + Text 雙路徑
• 去重（base URL）
• ? 高擴展性
• ? 易新增格式

URL 解析與清洗（抗噪核心）

去除跳轉鏈接、過濾無效頁面

redirect_params = ["redirectUrl", "url", "target"]

if any(keyword in lower_title for keyword in _NOISY_TITLE_KEYWORDS):
    return False

設計

• 解析 query 參數(shù)獲取真實 URL
• 基于規(guī)則過濾非文章鏈接
• ? 提高數(shù)據(jù)質量

Analyzer（LLM 調用工程化）

穩(wěn)定調用 Gemini CLI，生成結構化分析

with tempfile.NamedTemporaryFile(...) as tmp_user:

env["GEMINI_SYSTEM_MD"] = tmp_sys_path

關鍵設計

• 文件傳參（避免 shell 轉義問題）
• retry + backoff
• 噪聲過濾
• ? 穩(wěn)定性強
• ? 可控性高

增量輸出（防數(shù)據(jù)丟失）

for result in analyzer.analyze_articles(...):
    reporter.generate_summaries_report(...)

設計

• 長任務不中斷
• 每一步都有持久化
• ? 高可靠性

以上就是Python自動提取郵件訂閱鏈接并解析的詳細內容，更多關于Python提取郵件訂閱鏈接的資料請關注腳本之家其它相關文章！

最新評論