我正在寻找良好/有效/简单的方法来使用php代码将原始电子邮件解析为多个部分。

我已经写了几个蛮力解决方案，但是每次都会出现一个小的更改/标题/空格/某些东西，而我的整个解析器都会失败，并且项目会崩溃。

在指出PEAR / PECL之前，我需要实际的代码。我的主机有一些配置错误的东西，我似乎永远无法正确构建.so。如果我确实制作了.so，则path / environment / php.ini中的某些差异并不总是使它可用(apache，cron，cli)。

哦，还有最后一件事，我正在解析原始电子邮件文本，不是POP3和不是IMAP。它通过.qmail电子邮件重定向通过管道传递到php脚本中。

我不希望SOF为我编写它，我正在寻找"正确"使用它的一些技巧/起点。这是我知道已经解决的那些"滚轮"问题之一。

解决方案

回答

我们希望最终得到什么？正文，主题，发件人，附件？我们应该花一些时间使用RFC2822来了解邮件的格式，但是以下是格式正确的电子邮件的最简单规则：

HEADERS\n
\n
BODY

也就是说，第一个空白行(双换行符)是HEADERS和BODY之间的分隔符。 HEADER看起来像这样：

HSTRING:HTEXT

HSTRING始终从行的开头开始，并且不包含任何空格或者冒号。 HTEXT可以包含各种文本，包括换行符，只要换行符后跟空白字符即可。

" BODY"实际上只是跟随第一个双换行符的任何数据。 (如果要通过SMTP传输邮件，则有不同的规则，但是不必通过管道进行处理)。

因此，以非常简单的大约1982年的RFC822术语来说，电子邮件看起来像这样：

HEADER: HEADER TEXT
HEADER: MORE HEADER TEXT
  INCLUDING A LINE CONTINUATION
HEADER: LAST HEADER

THIS IS ANY
ARBITRARY DATA
(FOR THE MOST PART)

不过，大多数现代电子邮件都比这更复杂。标头可以编码为字符集或者RFC2047 MIME单词，或者其他我现在不考虑的其他内容。这些天来，如果我们希望它们变得有意义的话，这些实体真的很难滚动。由MUA生成的几乎所有电子邮件都将进行MIME编码。可能是uuencoded文本，可能是html，也可能是uuencoded excel电子表格。

我希望这有助于为理解一些非常基本的电子邮件桶提供一个框架。如果我们提供有关数据处理背景的信息，我(或者其他人)可能会提供更好的指导。

回答

是的，根据该rfc和其他一些基本教程，我已经能够编写一个基本的解析器。但是它的多部分mime嵌套边界使我一团糟。

我发现从手机发送的MMS(不是SMS)消息只是标准电子邮件，因此我有一个系统可以读取传入的电子邮件，检查发件人(仅允许从我的电话中)，并使用正文部分来运行不同的消息我服务器上的命令。有点像通过电子邮件进行的远程控制。

由于该系统旨在发送图片，因此它具有许多不同的编码部分。一个mms.smil.txt部分，一个文本/纯文本部分(没有用，只说"这是html消息")，一个应用程序/ smil部分(电话将在其上显示的部分)，一个text / html部分首先是广告，然后是我的信息，但所有信息都包裹在html中，最后是一个文本文件附件，其中包含我的普通信息(这是我使用的部分)(如果我将图像作为附件添加到邮件中，则将其放置在附件1，编码为base64，然后将我的文本部分作为附件2添加)

我使用了运营商提供的准确的邮件格式，但是当我通过别人的手机发送一条消息时，它以一系列悲惨的方式失败了。

我还有其他项目，我想将此电话->邮件->解析->命令系统扩展到其中，但是我需要有一个稳定/可靠/通用的解析器才能从邮件中提取不同的部分以使用它。

我的最终目标是拥有一个可以将原始管道式邮件送入其中的函数，并返回带有标头var：val对的关联子数组的大数组，以及一个用于将正文文本作为整个字符串的数组

我搜索的内容越多，发现到的东西也越多：大型的过度开发的邮件处理软件包，可以在阳光下处理与邮件有关的所有事情，或者是无用的(对我来说，在这个项目中)教程。

我认为我将不得不硬着头皮，只是认真地写一些我自己的东西。

回答

编写自己的MIME解析器可能不会带来很多乐趣。我们发现"邮件处理程序包过度开发"的原因是因为MIME是一组非常复杂的规则/格式/编码。 MIME部分可以是递归的，这很有趣。我认为我们最好的选择是编写最佳的MIME处理程序，解析一条消息，丢弃所有不是text / plain或者text / html的内容，然后强制传入字符串中的命令以COMMAND作为前缀：这样我们就可以在渣土中找到它。如果从这样的规则开始，我们就有机会处理新的提供程序，但是如果有新的提供程序出现，则应该做好调整的准备(如果我们当前的提供程序选择更改其消息传递体系结构，那么应该调整一下)。

回答

我不确定这是否会对我们有所帮助，但一定会帮助有兴趣了解更多有关电子邮件的其他人。 Marcus Bointon在今年3月的PHP伦敦会议上做了题为" Mail()和Mail()之后的生活"的最佳演示之一，幻灯片和MP3都在线。他具有一定的权威性，并在电子邮件和PHP方面进行了广泛的深入研究。

我的看法是，我们在尝试编写一个真正的通用解析器时充满了痛苦。

编辑这些文件似乎已经在PHP London网站上删除了；在Marcus自己的网站上找到了幻灯片：第1部分第2部分尽管在任何地方都看不到MP3

回答

我们可以尝试使用Mailparse函数：http://php.net/manual/en/book.mailparse.php，但是默认情况下不在php conf中。

回答

用PHP解析电子邮件不是不可能的任务。我的意思是，我们不需要团队的工程师来完成它。它可以作为一个个体来实现。我发现最难的部分是创建用于分析IMAP BODYSTRUCTURE结果的FSM。我在互联网上找不到任何地方，所以我写了自己的书。我的例程基本上是从命令输出中创建一个嵌套数组的数组，并且该数组中的深度大约对应于执行查找所需的零件号。因此，它可以很好地处理嵌套的MIME结构。

问题是PHP的默认imap_ *函数不能提供很多粒度...因此我不得不打开IMAP端口的套接字并编写函数以发送和检索必要的信息(IMAP FETCH 1 BODY.PEEK [1.2]例如)，这涉及查看RFC文档。

数据的编码(带引号的，base64、7bit，8bit等)，消息的长度，内容类型等都已提供给我们。附件，文本，html等。我们可能还必须弄清楚邮件服务器的细微差别，因为并非所有字段都总是100％实现的。

宝石是FSM ...如果我们在Comp Sci中有背景，那么做这个真的很有趣(它们的关键是方括号不是常规语法;))；否则，使用传统方法会很麻烦，并且/或者会导致代码难看。我们还需要一些时间！

希望这可以帮助！