Perl MIME :: Парсер и кодирование во вложенных телах (message / rfc_822) - PullRequest
Новая
       34

Perl MIME :: Парсер и кодирование во вложенных телах (message / rfc_822)

2 голосов
/ 08 апреля 2011

Аааа, это не легко.Я пытаюсь разобрать некоторые письма с помощью Perl.Давайте рассмотрим пример: 

From: abc@def.de
Content-Type: multipart/mixed;
        boundary="----_=_NextPart_001_01CBE273.65A0E7AA"
To: ghi@def.de

This is a multi-part message in MIME format.

------_=_NextPart_001_01CBE273.65A0E7AA
Content-Type: multipart/alternative;
        boundary="----_=_NextPart_002_01CBE273.65A0E7AA"


------_=_NextPart_002_01CBE273.65A0E7AA
Content-Type: text/plain;
        charset="UTF-8"
Content-Transfer-Encoding: base64

[base64-content]
------_=_NextPart_002_01CBE273.65A0E7AA
Content-Type: text/html;
        charset="UTF-8"
Content-Transfer-Encoding: base64

[base64-content]
------_=_NextPart_002_01CBE273.65A0E7AA--
------_=_NextPart_001_01CBE273.65A0E7AA
Content-Type: message/rfc822
Content-Transfer-Encoding: 7bit

X-MimeOLE: Produced By Microsoft Exchange V6.5
Content-class: urn:content-classes:message
MIME-Version: 1.0
Content-Type: multipart/mixed;
        boundary="----_=_NextPart_003_01CBE272.13692C80"
From: bla@bla.de
To: xxx@xxx.de

This is a multi-part message in MIME format.

------_=_NextPart_003_01CBE272.13692C80
Content-Type: multipart/alternative;
        boundary="----_=_NextPart_004_01CBE272.13692C80"


------_=_NextPart_004_01CBE272.13692C80
Content-Type: text/plain;
        charset="iso-8859-1"
Content-Transfer-Encoding: quoted-printable

=20

Viele Gr=FC=DFe

------_=_NextPart_004_01CBE272.13692C80
Content-Type: text/html;
        charset="iso-8859-1"
Content-Transfer-Encoding: quoted-printable

<html>...</html>
------_=_NextPart_004_01CBE272.13692C80--
------_=_NextPart_003_01CBE272.13692C80
Content-Type: application/x-zip-compressed;
        name="abc.zip"
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
        filename="abc.zip"

[base64-content]

------_=_NextPart_003_01CBE272.13692C80--
------_=_NextPart_001_01CBE273.65A0E7AA--

Это письмо отправлено из Outlook с другим приложенным сообщением.Как видите, это очень сложное письмо со множеством разных типов контента (text / plain, text / html, message / rfc_822, application / xyz) ... И проблема в rfc_822.Я написал скрипт на Perl 5.8 (Debian Squeeze) для анализа этого сообщения с помощью MIME :: Parser. 

use MIME::Parser;
my $parser = MIME::Parser->new;
$parser->output_to_core(1);
my $top_entity = $parser->parse(\*STDIN);
my $plain_body = "";
my $html_body = "";
my $content_type;
foreach my $part ($top_entity->parts_DFS) {
    $content_type = $part->effective_type;
    $body = $part->bodyhandle;
    if ($body) {
        if ($content_type eq 'text/plain') {
            $plain_body = $plain_body . "\n" if ($plain_body ne '');
            $plain_body = $plain_body . $body->as_string;
        } elsif ($content_type eq 'text/html') {
            $html_body = $html_body . "\n" if ($html_body ne '');
            $html_body = $html_body . $body->as_string;
        }
    }
}
# parsing of attachment comes later
print $plain_body;

Первая часть сообщения (base64-content) содержит немецкие умлауты, которые правильно отображаются наSTDOUT.Вложенное сообщение rfc_822 анализируется MIME :: Parser автоматически и объединяется с телом верхнего уровня как один объект.Этот вложенный rfc_822 содержит также немецкие умлауты в цитируемой печати, как вы можете видеть.Но они не отображаются правильно на STDOUT.При выполнении 

utf8::encode($plain_body);

перед печатью умлауты для печати в кавычках отображаются правильно, но не в кодировке base64.Я пытаюсь часами извлекать rfc_822 отдельно и делаю кодировку, но ничего не помогает.Кто еще может помочь?

С уважением

1 Ответ

1 голос
/ 08 апреля 2011

Предполагая, что ваша консоль отображает UTF-8, это имеет смысл.Он правильно показывает то, что вы декодировали, но, конечно же, символы латиницы 1 отображаются неправильно.
Позже вы выполняете преобразование в UTF-8, но это не имеет смысла, если данные уже UTF8.Таким образом, отображаются только первые латинские умляуты.

Невозможно получить это право, не посмотрев на «кодировку» в типе контента и действуя соответственно.

...