2

啊，这并不容易。我正在尝试用 perl 解析一些邮件。举个例子：

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--

此邮件是从 Outlook 发送的，附带另一封邮件。如您所见，这是一封非常复杂的邮件，包含许多不同的内容类型（text/plain、text/html、message/rfc_822、application/xyz）......而 rfc_822 部分是问题所在。我在 Perl 5.8 (Debian Squeeze) 中编写了一个脚本来使用 MIME::Parser 解析此消息。

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;

第一个消息部分（base64-content）包含德语变音符号，它们在 STDOUT 中正确显示。嵌套的 rfc_822 消息由 MIME::Parser 自动解析，并与顶级正文合并为一个实体。如您所见，这个嵌套的 rfc_822 还包含带引号的可打印的德语变音符号。但是这些在 STDOUT 中没有正确显示。当做一个

utf8::encode($plain_body);

在打印之前，正确显示了带引号的可打印变音符号，但不是 base64 编码的变音符号。我现在正在尝试几个小时来单独提取 rfc_822 并进行一些编码，但没有任何帮助。还有谁能帮忙？

问候

4

1 回答 1

1

假设您的控制台显示 UTF-8，这是有道理的。它正确显示了您已解码的内容，但是，当然，latin1 字符未正确显示。
稍后，您转换为 UTF-8，但如果数据已经是 UTF8，则这没有意义。所以只显示前 latin1 变音符号。

如果不查看内容类型中的“字符集”并采取相应措施，就无法做到这一点。

于 2011-04-08T13:33:23.083 回答