如何使用python的boto库和SES发送电子邮件?

本文涉及的产品
对象存储 OSS,OSS 加速器 50 GB 1个月
简介: 本文详解如何用Python的boto库调用AWS SES发送邮件,涵盖账户配置、邮箱/域名验证、沙盒配额说明,并提供支持HTML/text双格式及Jinja2模板渲染的实用代码示例,助你快速集成邮件功能。(239字)

![ScreenShot_2026-02-05_110936_345](https://img2024.cnblogs.com/blog/2109139/202602/2109139-20260205111623582-1193139573.png)

本文将介绍如何使用 boto 和 SES 发送电子邮件。boto 库是 Python 的一个非常不错的封装,帮助你与 AWS API 互动。

## 设置

首先你需要一个 AWS 账户(当然),以及你的账户的访问密钥和秘密密钥,这些将用于与 SES 服务器进行身份验证。有几种不同的方法可以使用密钥进行身份验证,但本文我们将只是将它们传递给 boto 提供的connect_to_region方法。

通过 SES 验证一个电子邮件地址(Gmail 地址完全没问题)或您拥有的域。如果您只是测试这个功能,我建议只验证一个电子邮件地址,因为这样会稍微快一点。您只需点击他们发送给您的验证电子邮件中的链接,而不是为验证域而在区域文件中添加 TXT 记录。

如果是第一次使用 SES,且你的应用程序需要发送大量电子邮件,可能需要提交请求来增加发送配额。你的 SES 账户最初会被放在一个沙盒中,在 24 小时内只能发送 200 封电子邮件。

## 实例代码

完成上面提到的初始设置,你应该能够使用下面的代码发送电子邮件。

```import boto.ses

AWS_ACCESS_KEY = 'YOUR-ACCESS-KEY-HERE'

AWS_SECRET_KEY = 'YOUR-SECRET-KEY-HERE'

class Email(object):

   def __init__(self, to, subject):

       self.to = to

       self.subject = subject

       self._html = None

       self._text = None

       self._format = 'html'

   def html(self, html):

       self._html = html

   def text(self, text):

       self._text = text

   def send(self, from_addr=None):

       body = self._html

       if isinstance(self.to, basestring):

           self.to = [self.to]

       if not from_addr:

           from_addr = 'me@example.com'

       if not self._html and not self._text:

           raise Exception('You must provide a text or html body.')

       if not self._html:

           self._format = 'text'

           body = self._text

       connection = boto.ses.connect_to_region(

           'us-east-1',

           aws_access_key_id=AWS_ACCESS_KEY,  

           aws_secret_access_key=AWS_SECRET_KEY

       )

       return connection.send_email(

           from_addr,

           self.subject,

           None,

           self.to,

           format=self._format,

           text_body=self._text,

           html_body=self._html

       )

```

要使上面代码,您只需要做这件事:

```email = Email(to='test@gmail.com', subject='You are HTML Awesome')

email.text('This is a text body. Foo bar.')

email.html('<html><body>This is a text body. <strong>Foo bar.</strong></body></html>')  # Optional

email.send()

```

该email.html()调用是可选的。如果在电子邮件中同时包含文本和 HTML,则两者都会包含在结果 MIME 中,电子邮件客户端将显示用户支持或偏好的格式。

## 使用电子邮件模板

当然上面的自定义模板比较朴素,如果你想要更加好看,可以尝试使用模板引擎。这样我们不必直接传递电子邮件正文字符串,而是可以从模板中加载它,就像在 Django 这样的 Web 框架中渲染 HTML 页面一样。

在这里我们使用 Jinja2 模板引擎来处理模板的加载和渲染:

```import boto.ses

from jinja2 import Environment, PackageLoader

#  

env = Environment(loader=PackageLoader('yourapp', 'templates'))

AWS_ACCESS_KEY = 'YOUR-ACCESS-KEY-HERE'

AWS_SECRET_KEY = 'YOUR-SECRET-KEY-HERE'

class Email(object):

   def __init__(self, to, subject):

       self.to = to

       self.subject = subject

       self._html = None

       self._text = None

   def _render(self, filename, context):

       template = env.get_template(filename)

       return template.render(context)

   def html(self, filename, context):

       self._html = self._render(filename, context)

   def text(self, filename, context):

       self._text = self._render(filename, context)

   def send(self, from_addr=None):

       # Same as before...

```

注意:在生产代码中,不要直接将 AWS 安全密钥放入代码中。而是使用环境变量之类的东西。

使用这个代码和之前类似,但是我们会直接传递模板文件名和模板填充的上下文:

```email = Email(to='you@example.com', subject='OMG an Email!')

ctx = {'username': user.username}

email.text('email.txt', ctx)

email.html('email.html', ctx)  # Optional

email.send()

```

通过上面的代码让你可以像创建和渲染网页一样轻松地创建和渲染 HTML 邮件。

## 结语

看到这儿相信大家对如何使用 boto 和 SES 发送电子邮件有了清楚地了解,希望这个简短的教程对你有所帮助。这里的代码应该适用于大多数用例,尽管你还可以通过添加抄送、密送、回复地址、返回路径,甚至文件附件来获得更高级的功能。

我刚刚提到的所有这些额外功能,除了附件,都可以通过send_email函数来处理。要发送附件,你必须使用较低级别的send_raw_email函数,这需要你自己构造 MIME 消息。https://mybj123.com/29061.html

目录
相关文章
|
3天前
|
弹性计算 人工智能 自然语言处理
2026年阿里云快速部署并使用OpenClaw详细教程
OpenClaw(原Clawdbot/Moltbot)是开源AI代理平台,支持自然语言理解、多工具集成与自动化任务执行,可读写文件、运行脚本、构建工作流,化身“数字员工”。阿里云提供轻量服务器、无影云电脑(企业/个人版)、AgentBay及ECS五种零门槛部署方案,预置镜像,一键启用。
85 8
|
3天前
|
存储 人工智能 搜索推荐
Spring AI Alibaba DeepResearch源码解读
DeepResearch是SAA社区推出的智能体项目,支持复杂信息搜索、分析与结构化报告生成。其基于Graph构建14个协同节点(如Coordinator、Planner、Researcher等),融合Plan & Execute、LLM Reflection、Hybrid RAG、Self-evolving角色记忆、HITL等前沿技术,实现端到端深度研究自动化
98 11
|
23天前
|
运维 Kubernetes 监控
K8s 管理平台怎么选?Rancher、OpenShift、kOps、EKS、GKE —— 运维视角下的真相对比
K8s 管理平台怎么选?Rancher、OpenShift、kOps、EKS、GKE —— 运维视角下的真相对比
174 17
|
15天前
|
机器学习/深度学习 计算机视觉 网络架构
YOLO26改进 - 注意力机制 |融合HCF-Net维度感知选择性整合模块DASI 增强小目标显著性
本文介绍将HCF-Net中的维度感知选择性融合(DASI)模块集成至YOLO26检测头,通过通道分区与Sigmoid自适应加权,融合高/低维及当前层特征,显著提升红外小目标检测精度,在SIRST数据集上超越主流方法。(239字)
|
14天前
|
弹性计算 应用服务中间件 测试技术
阿里云最便宜云服务器,38元轻量应用服务器与99元和199元云服务器与性能、适用场景、购买教程
阿里云目前价格最便宜的云服务器包含轻量应用服务器2核2G配置38元/年,经济型e实例2核2G配置99元/年,通用算力型u1实例2核4G配置199元/年。这些服务器性能稳定,适用于个人开发者、初创企业、小型网站及博客、学习与实验、中小型企业网站、中型Web应用等多种场景。
381 8
|
17天前
|
SQL 机器学习/深度学习 运维
MLflow / Feast 实战手记:MLOps 不是装工具,是治内伤
MLflow / Feast 实战手记:MLOps 不是装工具,是治内伤
118 13
|
17天前
|
人工智能 PyTorch 算法框架/工具
在无网络与8G内存约束下,个人计算机部署AI实践
本文探讨在无网络、仅8GB内存、无GPU的老旧PC上本地部署大语言模型的实践路径。通过构建纯净Python环境、选用PyTorch格式小模型(Qwen1.5-0.5B)、规避系统陷阱(如长路径限制、注册表关联错误等),成功实现离线中文对话,形成可复现的避坑指南与技术参考。(239字)
|
16天前
|
人工智能 前端开发 JavaScript
HagiCode 实践:如何利用 GitHub Actions 实现 Docusaurus 自动部署
本文介绍了为AI代码助手HagiCode(原PCode)集成GitHub Pages自动部署的完整实践:基于Docusaurus框架,通过GitHub Actions实现main分支推送后自动构建、上传至gh-pages分支,解决手动部署低效易错问题,显著提升文档发布效率与可靠性。(239字)
73 12
|
23天前
|
机器学习/深度学习 人工智能 算法
新能源电池寿命预测模型
新能源电池寿命预测模型
126 11
|
8天前
|
人工智能 机器人 API
OpenClaw 用户部署和使用指南汇总
本文档为OpenClaw(原MoltBot)官方使用指南,涵盖一键部署(阿里云轻量服务器年仅68元)、钉钉/飞书/企微等多平台AI员工搭建、典型场景实践及高频问题FAQ。同步更新产品化修复进展,助力用户高效落地7×24小时主动执行AI助手。
1432 18