smtplib库:Python使用QQ邮箱发送邮件

简介: smtplib库:Python使用QQ邮箱发送邮件

前言


一般来说,每个App都有一个意见反馈功能。对于企业,其意见反馈自然是发送到其服务器上,而对于个人应用来说,因为使用的人相对较少,在初期推广的时候,可以将意见反馈设置成发送到自己邮箱,这样可以节约服务器的资源开销。


而Python提供了smtplib库,其中SMTP类可以用来与邮件服务器通信发送邮件。


发送email文本消息


SMTP最常用的一种用法是连接到一个邮件服务器并发送一个邮件。这里我们需要分3步:


1.我们需要将邮件服务器主机名和端口传到其构造函数。

2.连接之后调用sendmail()并提供参数和消息体,也就是邮件内容。(消息遵循RFC5322)

3.设置发送邮箱与接收邮箱。


示例如下:

import smtplib
import email.utils
from email.mime.text import MIMEText
message = MIMEText("我是邮件的内容")
message['To'] = email.utils.formataddr(('接收者显示的姓名', 'liyuanjinglyj@163.com'))
message['From'] = email.utils.formataddr(('发送者显示的姓名', '530680217@qq.com'))
message['Subject'] = '我是邮件的标题'
server = smtplib.SMTP_SSL('smtp.qq.com', 465)
server.login('530680217@qq.com','授权码')
server.set_debuglevel(True)
try:
    server.sendmail('530680217@qq.com',['liyuanjinglyj@163.com'],msg=message.as_string())
finally:
    server.quit()


运行之后,控制台与收件信息显示如下:


读者可以一一寻找字符串与上面对应,可以看到:


message[‘To’]:是上图发件人后面显示的内容


message[‘From’]:是上图收件人后面显示的内容


message[‘Subject’]:是邮件标题


message.as_string():是邮件的内容


smtplib.SMTP_SSL:第1个参数是提供邮件服务的服务器地址;第2个参数是端口,必须与下图对应。


这里我们使用的是QQ邮箱提供的服务,发送邮件到其他邮箱,当然也可以发送到拥有QQ邮箱的其他人。如果你使用网易邮箱,那么更改SMTP服务器为网易邮箱服务器与端口即可。


需要注意的是,这些服务需要你手动去开启,默认情况下是关闭的。如下图所示:


其中,上图有个授权码,也就是server.login对应的第2个参数。获取授权码需要点击上面的生成授权码按钮,然后如下图操作即可获取。





发送email图片与附件消息


在邮箱的发送中,我们不仅仅只需要发送邮件,往往还会发送附件与图片等内容。示例如下:

import smtplib
import email.utils
from email import encoders
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText
from email.mime.image import MIMEImage
from email.mime.base import MIMEBase
mail = MIMEMultipart()
mail['To'] = email.utils.formataddr(('接收者显示的姓名', 'liyuanjinglyj@163.com'))
mail['From'] = email.utils.formataddr(('发送者显示的姓名', '530680217@qq.com'))
mail['Subject'] = '我是邮件的标题'
# 需要发送的图片
img_file = open(r'1.jpg', 'rb')
img_data = img_file.read()
img_file.close()
img = MIMEImage(img_data)
mail.attach(img)
img.add_header('Content-ID', 'dns_config')  # 给一个content Id供后面html内容引用
# 需要发送的文本
mail_content = """
    <html>
      <body>
        <p>我给你发送的图片</p>
        <img src="cid:dns_config">
      </body>
    </html>
"""
mail.attach(MIMEText(mail_content, 'html', 'utf-8'))
# 需要发送的附件
txtAnnex = MIMEBase("application", "octet-stream")
txtAnnex.set_payload(open(r"英文文档.txt", "rb").read())
txtAnnex['Content-Type'] = 'application/octet-stream'
txtAnnex['Content-Disposition'] = 'attachment; filename= "a.txt"'
encoders.encode_base64(txtAnnex)
mail.attach(txtAnnex)
server = smtplib.SMTP_SSL('smtp.qq.com', 465)
server.login('530680217@qq.com', '授权码')
server.set_debuglevel(True)
try:
    server.sendmail('530680217@qq.com', ['liyuanjinglyj@163.com'], msg=mail.as_string())
finally:
    server.quit()


运行之后,邮件效果如下:


当你的邮件需要多个组合发送的时候,这个时候就需要用到MIMEMultipart构造邮件多元对象。它可以增加文字,图片附件等等。

相关文章
|
15天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
18天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
48 0
|
11天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
30 4
|
11天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
23 2
|
16天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
36 7
|
17天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
21 3
|
20天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
42 5
|
19天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
31 2
|
10天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
16天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
35 0