使用7BIT内容传输编码解析电子邮件正文 - PHP

Question

我最近一直在实现一些基于PHP / IMAP的电子邮件处理功能，并且除了消息体解码（在某些情况下）之外，大多数工作都很好。

我认为，到目前为止，我已经记下了RFC 2822 （“互联网邮件格式”文档指南），通过电子邮件处理代码阅读了六个开源CMS，并阅读了一些bajillion论坛帖子，博客帖子，等处理PHP中的电子邮件。

我也分叉并完全重写了PHP的一个类， Imap ，并且该类处理电子邮件相当好 - 我有一些有用的方法来检测自动回复（对于不在办公室，旧地址等），解码base64和8bit消息等

然而，有一件事我无法可靠地（或者有时甚至根本不能）工作，当一条消息带有Content-Transfer-Encoding: 7bit 。

似乎不同的电子邮件客户端/服务将7BIT解释为不同的东西。 我收到了一些据称是7BIT电子邮件， 实际上是 Base64编码的。 我得到了一些实际上是引用可打印编码的。 还有一些不以任何方式编码。 有些是HTML，但未标明为HTML，它们也被列为7BIT ...

以下是使用7Bit编码接收的消息实体的一些示例（剪辑）：

1：

A random message=20

Sent from my iPhone

2：

PGh0bWwgeG1sbnM6dj0idXJuOnNjaGVtYXMtbWljcm9zb2Z0LWNvbTp2bWwi
IHhtbG5zOm89InVybjpzY2hlbWFzLW1pY3Jvc29mdC1jb206b2ZmaWNlOm9m

3：

tangerine apricot pepper.=0A=C2=A0=0ALet me know if you have any availabili=
ty over the next month or so. =0A=C2=A0=0AThank you,=0ANames Withheld=0A908=
-319-5916=0A=C2=A0=0A=C2=A0=0A=C2=A0=0A=0A=0A______________________________=
__=0AFrom: Names Witheld =0ATo: Names Withheld=

这些都与“7位”编码（好，至少根据PHP /发送imap_* ），但他们需要更多的解码显然是之前，我可以沿着明文传递他们。 有没有办法可靠地将所有带有7Bit编码的消息转换为纯文本？

Answer 1

花了一点时间之后，我决定写一些启发式检测，正如Max在我原来问题的评论中所建议的那样。

我已经建立了一个更坚固decode7Bit()在方法Imap.php ，其经过一串共同经编码的字符（比如=A0 ），并用它们的UTF-8当量替换它们，并且如果它们看起来像他们然后还解码消息是base64编码的：

/**
 * Decodes 7-Bit text.
 *
 * PHP seems to think that most emails are 7BIT-encoded, therefore this
 * decoding method assumes that text passed through may actually be base64-
 * encoded, quoted-printable encoded, or just plain text. Instead of passing
 * the email directly through a particular decoding function, this method
 * runs through a bunch of common encoding schemes to try to decode everything
 * and simply end up with something *resembling* plain text.
 *
 * Results are not guaranteed, but it's pretty good at what it does.
 *
 * @param $text (string)
 *   7-Bit text to convert.
 *
 * @return (string)
 *   Decoded text.
 */
public function decode7Bit($text) {
  // If there are no spaces on the first line, assume that the body is
  // actually base64-encoded, and decode it.
  $lines = explode("\r\n", $text);
  $first_line_words = explode(' ', $lines[0]);
  if ($first_line_words[0] == $lines[0]) {
    $text = base64_decode($text);
  }

  // Manually convert common encoded characters into their UTF-8 equivalents.
  $characters = array(
    '=20' => ' ', // space.
    '=E2=80=99' => "'", // single quote.
    '=0A' => "\r\n", // line break.
    '=A0' => ' ', // non-breaking space.
    '=C2=A0' => ' ', // non-breaking space.
    "=\r\n" => '', // joined line.
    '=E2=80=A6' => '…', // ellipsis.
    '=E2=80=A2' => '•', // bullet.
  );

  // Loop through the encoded characters and replace any that are found.
  foreach ($characters as $key => $value) {
    $text = str_replace($key, $value, $text);
  }

  return $text;
}

这是从我在GitHub上的PHP的Imap类的 1.0-beta2版本中获取的。

如果您有任何提高效率的想法，请告诉我。 我最初尝试通过quoted_printable_decode()运行所有内容，但有时PHP会抛出模糊且无益的异常，所以我放弃了这种方法。

Answer 2

我知道这是一个老问题....但我现在遇到这个问题，现在似乎PHP有一个解决方案。

这个函数imap_fetchstructure（）将为您提供编码类型。

0   7BIT
1   8BIT
2   BINARY
3   BASE64
4   QUOTED-PRINTABLE
5   OTHER

从那里你应该能够创建这样的函数来解码消息

function _encodeMessage($msg, $type){

            if($type == 0){
                return mb_convert_encoding($msg, "UTF-8", "auto");
            } elseif($type == 1){
                return imap_8bit($msg); //imap_utf8
            } elseif($type == 2){
                return imap_base64(imap_binary($msg));
            } elseif($type == 3){
                return imap_base64($msg);
            } elseif($type == 4){
                return imap_qprint($msg);
                //return quoted_printable_decode($msg);
            } else {
                return $msg;
            }
        }

你可以像这样调用这个函数

$struct = imap_fetchstructure($conn, $messageNumber, 0);
$message = imap_fetchbody($conn, $messageNumber, 1);
$message = _encodeMessage($message, $struct->encoding);
echo $message;

我希望这可以帮助别人 ：）

Answer 3

$structure = imap_fetchstructure; NOT $encoding = $structure->encoding BUT $encoding = $structure->parts[ $p ]->encoding

我想我遇到了同样的问题，现在已经解决了。 （7bit没有转换为UTF-8，保持得到ASCII）我以为我有7bit，但是将代码更改为“BUT”我得到$encoding=4 ，而不是$encoding=0这意味着我必须使用imap_qprint($body)和mb_convert_encoding($body, 'UTF-8', $charset)得到我想要的东西。

无论如何检查编码号码!! （应该是4而不是零）