Чтение электронной почты из почтового файла

Question

У меня огромное количество почтовых архивов, которые я хочу дедуплицировать и отсортировать. Архивы либо в формате mbox, либо содержат одно почтовое сообщение. Чтобы добавить некоторые сложности, некоторые файлы имеют последовательности окон EOL, а некоторые имеют Unix EOL.
Используя C #. как мне прочитать архив и разбить его на отдельные сообщения или прочитать один файл сообщений? В python я бы использовал класс mailbox.mbox , но я не вижу соответствующих функций в документации по C #.

Answer 1

Маловероятно, что вы найдете библиотеку для чтения этого файла для C # - не так много пользователей Unix, которые также используют C #.

То, что я бы сделал, было бы:

1. Прочитайте код Python, а затем перенесите его на C #
2. Найти описание формата mbox онлайн. Поскольку это система Unix, есть вероятность, что формат представляет собой простой текстовый файл, который должен быть достаточно легким для анализа.

Answer 2

Если это разовое занятие, я думаю, что самые простые шаги для сортировки сообщений:

1. объединить все файлы mbox в один
2. загрузить компиляцию в Thunderbird как локальную папку
3. запустить одну из надстроек Duplicate Message Finder в папке
4. удалить найденные дубликаты
5. компактная папка
6. взять список сообщений без дубликатов:)

Дубликаты Elimiators (дополнения для Thunderbird)

Я использовал это: Удалить дубликаты сообщений (альтернативные)

Answer 3

Большинство стандартных почтовых файлов Unix разделяют записи строкой, начинающейся с «From»

Так что, если вы читаете почтовый файл как текстовый файл и переключаетесь на новую почтовую запись каждый раз, когда видите строку «От» в начале строки, она должна работать - Любые строки в другом месте уже должны быть разделены программой электронной почты