Merge branch 'main' of https://github.com/idrainformatica/PecFlow

worker/app/parsers/eml_parser.py

@@ -116,7 +116,7 @@ def parse_date(date_str: str | None) -> datetime | None:
 # ─── Parser principale ────────────────────────────────────────────────────────
 
 
-def parse_eml(raw_bytes: bytes) -> ParsedEmail:
+def parse_eml(raw_bytes: bytes, is_receipt: bool = False) -> ParsedEmail:
     """
     Parsing completo di un raw EML.
 
@@ -126,7 +126,11 @@ def parse_eml(raw_bytes: bytes) -> ParsedEmail:
     - Allegati: tutti i parti con filename, inclusi message/rfc822
 
     Args:
-        raw_bytes: byte del messaggio EML grezzo
+        raw_bytes:  byte del messaggio EML grezzo
+        is_receipt: True se il messaggio e' una ricevuta PEC (accettazione,
+                    avvenuta_consegna, ecc.). In questo caso il body_text/html
+                    esterno (testo della ricevuta) non viene sovrascritto con
+                    il contenuto del messaggio annidato in postacert.eml.
 
     Returns:
         ParsedEmail con tutti i campi estratti (fields None/[] se non presenti)
@@ -153,7 +157,7 @@ def parse_eml(raw_bytes: bytes) -> ParsedEmail:
 
     # ── Body e allegati ───────────────────────────────────────────────────────
     if msg.is_multipart():
-        _walk_parts(msg, result)
+        _walk_parts(msg, result, is_receipt=is_receipt)
     else:
         _extract_single_part_body(msg, result)
 
@@ -208,7 +212,7 @@ def _get_filename(part: email.message.Message) -> str | None:
     return None
 
 
-def _walk_parts(msg: email.message.Message, result: ParsedEmail) -> None:
+def _walk_parts(msg: email.message.Message, result: ParsedEmail, is_receipt: bool = False) -> None:
     """
     Naviga ricorsivamente tutti i part MIME del messaggio.
 
@@ -230,7 +234,7 @@ def _walk_parts(msg: email.message.Message, result: ParsedEmail) -> None:
 
         # ── EML-in-EML (message/rfc822) ───────────────────────────────────────
         if ct == "message/rfc822":
-            _extract_eml_in_eml(part, filename, result)
+            _extract_eml_in_eml(part, filename, result, is_receipt=is_receipt)
             continue
 
         # ── Allegato esplicito (Content-Disposition: attachment) ──────────────
@@ -292,12 +296,16 @@ def _extract_eml_in_eml(
     part: email.message.Message,
     filename: str | None,
     result: ParsedEmail,
+    is_receipt: bool = False,
 ) -> None:
     """
     Estrae il messaggio EML annidato in un part message/rfc822.
 
-    Per postacert.eml (busta PEC in arrivo): ricorre dentro per estrarre
+    Per postacert.eml in messaggi posta_certificata: ricorre dentro per estrarre
     gli allegati utente e il corpo del messaggio originale del mittente.
+
+    Per le ricevute (is_receipt=True): estrae solo gli allegati utente senza
+    sovrascrivere il body gia' impostato (che e' il testo della ricevuta stessa).
     """
     try:
         payload = part.get_payload()
@@ -305,7 +313,7 @@ def _extract_eml_in_eml(
         inner_bytes: bytes | None = None
 
         if isinstance(payload, list) and payload:
-            # Forma canonica: payload è lista di Message
+            # Forma canonica: payload e' lista di Message
             inner_msg = payload[0]
             if isinstance(inner_msg, email.message.Message):
                 inner_bytes = inner_msg.as_bytes()
@@ -330,19 +338,22 @@ def _extract_eml_in_eml(
             )
             result.attachments.append(att)
 
-            # Per postacert.eml: ricorre dentro per trovare allegati utente e corpo originale
+            # Per postacert.eml: ricorre dentro per trovare allegati utente
             if is_system and eff_filename.lower() == "postacert.eml":
                 inner_parsed = parse_eml(inner_bytes)
                 # Allegati non-sistema del messaggio originale del mittente
                 for inner_att in inner_parsed.attachments:
                     if not inner_att.is_pec_system:
                         result.attachments.append(inner_att)
-                # Corpo del messaggio originale (più utile del testo della busta PEC)
-                if inner_parsed.body_html:
-                    result.body_html = inner_parsed.body_html
-                    result.body_text = inner_parsed.body_text
-                elif inner_parsed.body_text:
-                    result.body_text = inner_parsed.body_text
+                # Sovrascrive il corpo SOLO per messaggi posta_certificata (non ricevute).
+                # Per le ricevute il body esterno e' gia' il testo corretto della ricevuta;
+                # postacert.eml contiene il messaggio originale inviato che non va mostrato.
+                if not is_receipt:
+                    if inner_parsed.body_html:
+                        result.body_html = inner_parsed.body_html
+                        result.body_text = inner_parsed.body_text
+                    elif inner_parsed.body_text:
+                        result.body_text = inner_parsed.body_text
 
     except Exception as exc:
         logger.warning(f"Errore estrazione EML-in-EML: {exc}")