• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Enviar correos electrónicos desde Python

septiembre 19, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 6 minutos

Notificar mediante correo electrónico la finalización de una tarea es algo que puede simplificar nuestros flujos de trabajo. Por ejemplo, una tarea periódica que se realiza en un servidor nos podría enviar un informe completo con los resultados por lo que solamente tendríamos que revisar este para comprobar que todo es correcto. Una de las formas más sencillas para enviar correos electrónicos desde Python es usar la API de SendGrid, un servicio que ofrece hasta 100 correos gratis y bastante fácil de utilizar. Siendo una alternativa más que interesante al uso de notificaciones o mensajes de WhatsApp.

Tabla de contenidos

  • 1 Crear una cuenta en SendGrid
    • 1.1 Doble factor de autenticación
  • 2 Verificar una dirección de envío
  • 3 Crear una API key
  • 4 Instalar SendGrid en Python
  • 5 Crear correos electrónicos desde Python
  • 6 Crear un correo electrónico con adjunto
  • 7 Conclusiones

Crear una cuenta en SendGrid

Antes de poder enviar un correo electrónico con SendGrid desde Python es necesario crear una cuenta en este servicio. Para ello solo es necesario acceder la página de registro, indicar un usuario, contraseña y aceptar las condiciones de uso. La cuenta gratuita permite enviar hasta 100 correos por día, una cantidad más que suficiente para pruebas.

Página principal de SendGrid
Página principal de SendGrid

Doble factor de autenticación

Para acceder al SendGrid es necesario activar un servicio de doble factor de autenticación. Algo que nos indica que el servicio se toma en serio la seguridad de sus usuarios, dificultado de este modo que alguien pueda usar nuestra cuenta para enviar correo no deseado. Para ello tendremos que dar un número de teléfono al que llegará un SMS cada vez que deseamos acceder al servicio o usar un generador de claves de un solo uso basado en nuestro número.

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
En Analytics Lane
La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

Este punto es importante, ya que sin activar el doble factor de autenticación no podremos usar nuestra cuenta.

Publicidad


Verificar una dirección de envío

Otro punto importante de cara a la seguridad del servicio es la necesidad de verificar la dirección de correo electrónico que se desea usar para recibir las respuestas. El servicio rechazará todos los correos cuyo remitente no haya sido validado previamente en el servicio.

Para crear un nuevo remitente es necesario en nuestra cuenta acceder a la sección Settings y dentro de esta seleccionar Sender Authentication. En esta página podremos ver todos los remitentes validados, por defecto no habrá ninguno, y ofrece la opción de crear un nuevo (Create a Sender). Para la creación de un nuevo remitente se debe pulsar sobre el botón Create a Sender con lo que aparecerá un formulado como el que se muestra a continuación.

Formulario para dar de alta un remitente en SendGrid
Formulario para dar de alta un remitente en SendGrid

En este formulario es necesario incluir todos los campos marcados con punto rojo. Una vez creado el remitente se enviará un correo electrónico para comprobar que tenemos acceso a esa cuenta y poder activarla.

Crear una API key

Una vez tengamos ya un remitente validado en el servicio es necesario crear una API Key para poder enviar correos electrónicos desde Python u otro lenguaje mediante el API. La gestión de las llaves se puede realizar desde la sección API Keys del menú Settings. En esta sección se puede eliminar las claves que ya no se usan, para evitar que alguien pueda usar nuestra cuenta es necesario borrar las claves que ya no se usan o creamos que haya sido comprometidas, y crear nuevas claves. La creación de las claves se realiza pulsando sobre el botón Create API Key, tras lo que aparecerá una ventana como la siguiente.

Formulario para la creación de un API Key en SendGrid
Formulario para la creación de un API Key en SendGrid

En esta ventana se debe seleccionar el nombre del API Key, el cual debe ser único para su posterior identificación, y los permisos. Para poder enviar correos la mejor opción es Full Access, aunque es posible limitar los permisos mediante la opción Resticted Access. Una vez seleccionadas las opciones se pulsará sobre Create & View lo que nos mostrará el API Key en una ventana como la siguiente.

Obtención del API Key para usar en el servicio de SendGrid
Obtención del API Key para usar en el servicio de SendGrid

Es importante notar que solamente se puede consultar el API Key una vez, por lo que debemos copiar está en un lugar seguro. Si se pierde la clave no existe manera de recuperarla, por lo que será necesario borrarla y crear una nueva.

Instalar SendGrid en Python

Una vez se dispone de API Key ya se puede instalar la librería oficial de SendGrid en Python. Siendo el método más sencillo lanzar el siguiente comando desde la linea de comandos

pip install sendgrid

El único requisito para la instalación es contar con una versión de Python igual o posterior a la 3.5.

Publicidad


Crear correos electrónicos desde Python

Tras la instalación de SendGrid en Python para enviar un correo electrónico básico se puede usar el siguiente código.

import sendgrid
from sendgrid.helpers.mail import Mail, Email, To, Content

sg = sendgrid.SendGridAPIClient(api_key=API_KEY)

from_email = Email("[email protected]")
to_email = To("[email protected]")
subject = "Correo electrónico enviado desde Python"
content = Content("text/plain", "Enviar correos electrónicos desde Python con Sendgrid es sencillo.")
mail = Mail(from_email, to_email, subject, content)

response = sg.send(mail)

En este programa, en primer lugar, se importa sendgrid y algunas clases que son necesarias para la creación y envío de correos electrónicos desde Python. Una vez importadas es necesario identificarse en el servicio mediante el API Key, para lo que se usa la función SendGridAPIClient(). Es importante no escribir directamente la API en el código, sino que se debería obtener desde las variables de entorno o un archivo de configuración.

Tras la activación del servicio procederemos a la creación del correo. Para lo que necesitamos el remitente (recordemos que este debe estar validado en el servicio), la dirección de envío, un título para el correo y el contenido. Creando el correo mediante la inyección de estos valores en la clase Mail(). Una vez creado el correo se puede enviar este mediante el método send(). Si todo se ha realizado correctamente el receptor recibirá un correo como el siguiente.

Recepción de un correo electrónico enviado con SendGrid
Recepción de un correo electrónico enviado con SendGrid

En la variable response se almacena la respuesta del servicio, siendo la propiedad más importante status_code. Cuando el correo se ha enviado correctamente el valor de status_code será 202, en caso contrario habrá algún problema que evitó realizar el envío.

Crear un correo electrónico con adjunto

En los correos existe la posibilidad de incluir adjuntos. Una opción con la que se pueden incluir informes creados en PDF o Word con Python. Para esto es necesario cargar el archivo en base 64 y adjuntarlo a correo usando un código como el siguiente.

import sendgrid
from sendgrid.helpers.mail import Mail, Email, To, Content

sg = sendgrid.SendGridAPIClient(api_key=API_KEY)

from_email = Email("[email protected]")
to_email = To("[email protected]")
subject = "Correo electrónico con adjunto desde Python"
content = Content("text/plain", "Enviar correos electrónicos con adjuntos desde Python con Sendgrid tambien es sencillo.")
mail = Mail(from_email, to_email, subject, content)

with open('report.docx', 'rb') as f:
    data = f.read()
    f.close()
encoded_file = base64.b64encode(data).decode()

attachedFile = Attachment(
    FileContent(encoded_file),
    FileName('report.docx'),
    FileType('application/vnd.openxmlformats-officedocument.wordprocessingml.document'),
    Disposition('attachment')
)

mail.attachment = attachedFile

response = sg.send(mail)

En este ejemplo, respecto al código anterior, se ha importado además base64 y las clases para crear adjuntos de sendgrid. Una vez creado el correo, pero antes de enviarlo, se debe importar el archivo y codificarlo en base 64. Con el archivo codificado en una variable se crea un adjunto con la clase Attachment donde además del contenido se debe indicar el nombre, el tipo y las disposición. Adjunto que se agrega a los adjuntos del correo. Al igual que en el ejemplo anterior, una vez creado este se puede enviar correos electrónicos desde Python mediante el método send().

Conclusiones

SendGrid es un servicio que nos permite enviar correos electrónicos desde Python usando un API, lo que simplifica esta tarea. Como ha quedado patente en la entrada no es necesario dar de alta ningún servidor de correo, evitando las tareas de mantenimiento asociadas. Además, para usos básicos, el servicio es gratuito, permitiendo enviar hasta 100 correos al día.

Imagen de Muhammad Ribkhan en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
  • La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan – El bestiario de los indicadores económicos absurdos (parte 2)
  • Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)
  • El Binning en Credit Scoring: El Arte de Discretizar Variables
  • Cómo comparar tendencias con gráficos de líneas en Matplotlib: guía práctica paso a paso
  • Analytics Lane lanza la versión 1.2 del laboratorio con nuevas herramientas de ajuste de curvas y cálculo matricial
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura
  • Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas
  • Ley de Benford: cómo detectar datos manipulados con ejemplos reales

Publicado en: Python Etiquetado como: e-mail, Notificaciones

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Noticias

Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas

junio 19, 2026 Por Daniel Rodríguez

Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)

junio 18, 2026 Por Daniel Rodríguez

El Binning en Credit Scoring: El Arte de Discretizar Variables

junio 16, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Numpy básico: seleccionar filas y columnas en matrices Numpy publicado el noviembre 6, 2019 | en Python
  • Faker en Python: qué es, para qué sirve y cómo generar datos sintéticos realistas publicado el febrero 17, 2026 | en Python
  • Eliminar la protección en archivos Excel publicado el mayo 30, 2018 | en Herramientas
  • Calcular la similitud de Jaccard en Python publicado el enero 19, 2024 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto