4

有人对我如何清理传入电子邮件的正文有任何建议吗？我想删除免责声明、图像以及可能存在的任何以前的电子邮件文本，这样我就只剩下正文内容了。我的猜测是不可能以任何可靠的方式实现，但是有人尝试过吗？是否有任何图书馆适合这种事情？

4

6 回答 6

5

在电子邮件中，有几个约定的标记表示您希望删除的内容。您可以使用正则表达式查找这些行。我怀疑你不能很好地“清理”你的电子邮件，但你可以寻找一些东西：

  1. 以“>”开头的行（大于空格）标记一个引号
  2. 带有“--”的行（两个连字符，然后是空格，然后是换行符）标志着签名的开始，请参阅Wikipedia 上的签名块
  3. 多部分消息，边界以--开头，除此之外，您需要进行一些搜索以将消息正文部分与不需要的部分（如 base64 图像）分开

至于实际的 C# 实现，我将其留给您或其他 SOers。

于 2008-12-14T19:06:08.067 回答
3

一些显而易见的事情要注意：

  1. 如果邮件不是纯文本，则邮件将是多部分的 mime。任何类型为“image/*”（image/jpeg 等）的部分都可能被删除。很可能任何类型不是“text/*”的部分都可以通过。
  2. HTML 消息可能有一部分类型为“multipart/alternative”（我认为），并且有两部分，一个“text/plain”和一个“text/html”。这两个部分应该差不多，所以您可以删除 HTML 部分。如果唯一存在的部分是 HTML 位，您可能需要进行 HTML 到纯文本的转换。
  3. 引用文本的通常格式是在文本前加一个“>”字符。您应该能够删除这些行，除非该行以“>From”开头，在这种情况下，“>”已被插入以防止邮件阅读器认为“From”是新邮件的开始。
  4. 签名应该以“-- \r\n”开头，尽管很有可能缺少尾随空格。
于 2008-12-14T19:15:56.063 回答
2

OSBF-Lua 版本 3 有一个邮件解析库，它将处理 MIME 并将消息拆分为其 MIME 部分等等。我目前有一堆 Lua 脚本，它们可以做一些事情，比如忽略大多数非文本附件，喜欢纯文本而不是 HTML，等等。（我还在尝试保留引用时将长行换成了 80 个字符。）

至于删除以前引用的邮件，上面的建议都很好（你必须订阅一些无礼的邮件列表）。

可靠地删除免责声明可能会很困难。我的第一个选择是简单地维护一个免责声明库，该库将被从每封邮件的末尾剥离；我会编写一个脚本来方便我添加到库中。对于更复杂的东西，我会尝试某种机器学习。

自 2007 年 2 月以来，我一直致力于垃圾邮件过滤，我了解到与电子邮件有关的任何事情都是一团糟。一个好的经验法则是，无论你想做什么都比你想象的要难得多:-(

于 2008-12-14T20:49:50.447 回答
1

鉴于您的问题“是否可以以编程方式'清理'电子邮件？”，我会回答“不，不可靠”。

你面临的危险并不是真正的技术危险，而是社会学危险。

很容易发现和过滤掉消息的某些方面——比如图像。同样，过滤掉签名和免责声明也是可能的（尽管更具挑战性）。

真正的问题是错误的代价。

如果您的过滤器恰好删除了消息的关键部分，会发生什么？您可以追溯它以找到丢失的部分，还是您的过滤具有破坏性？更糟糕的是，你会注意到这件作品丢失了吗？

几年前我看过一个经典的喜剧小品就说明了这一点。两个人一起在汽车上工作。一个在下面做工作，另一个坐在附近阅读服务手册的说明——很明显，两个人都不知道自己在做什么，但他们正在尽力而为。

手动的家伙，大声朗读：“取消油底壳中心的粗体......” [翻页]

工具人：“好的，出来了。”

手动的家伙：“……在任何情况下。”

于 2008-12-14T21:08:44.510 回答
0

如果您创建自己的应用程序，我会查看正则表达式，查找文本并替换它。为了使应用程序更好一点，我将创建一个名为 Email 的类，在该类中我有一个名为 RAW 的属性和一个名为 Stripped 的属性。

只是一些提示，当您查看正则表达式时，您将收集其余部分！

于 2008-12-14T18:47:21.503 回答
0

SigParser有一个可以在 .NET 中使用的程序集。它以 HTML 和文本形式为您提供了正文，而其余的东西被剥离了。如果您给它一个 HTML 电子邮件，它会在需要时将电子邮件转换为文本。

var parser = new SigParser.EmailParsing.EmailParser();
var result = await parser.GetCleanedBodyAsync(new SigParser.EmailParsing.Models.CleanedBodyInput {
    FromEmailAddress = "john.smith@example.com",
    FromName = "John Smith",
    TextBody = @"Hi Mark,
This is my message.

Thanks
John Smith
888-333-4434"
            });

// This would print "Hi Mark,\r\nThis is my message."
Console.WriteLine(result.CleanedBodyPlain);
于 2019-11-22T21:16:56.847 回答