MIME to HTML in Perl如果能把MIME转换成HTML格式，再配合EXIM之类的邮件路由，我们将赋予邮件更多功能，例如邮件发贴，分析邮件内容并归档等。exim方面 的设置很简单，只需要配一个transport策略即可，关键是MIME到HTML的转换，以下使用perl对MIME格式进行转换。 先感性认识一下MIME格式，一个简单的MIME格式如下所示： From xxx@mail.com Tue Jan 04 14:52:47 2011
Received: from [10.10.10.10] (helo=host1.com)
by host1.com with esmtp (Exim 4.43)
id 1Pa0lC-0005Pq-Fp
for yyy@mail.com; Tue, 04 Jan 2011 14:52:46 +0800
Received: from host1.com ([10.10.10.10]) by host1.com
([10.10.10.10]) with mapi; Wed, 5 Jan 2011 14:52:36 +0800
From: xxx@mail.com
To: "YYY@mail.com"
Date: Wed, 5 Jan 2011 14:52:33 +0800
Subject: =?gb2312?B?W8n6svq5ytXPXVvW0LzkvP7X6V3W0M7EuL28/s7KzOI=?=
Thread-Topic: =?gb2312?B?W8n6svq5ytXPXVvW0LzkvP7X6V3W0M7EuL28/s7KzOI=?=
Thread-Index: AQHLrKUiSx7I5ZuKXEKkIBjubIjU3Q==
Message-ID: <248935DBD2C33243B5D32551AC2AB08F01BCE402@CNSZ021464.mail.com>
Accept-Language: zh-CN, en-US
Content-Language: zh-CN
X-MS-Has-Attach: yes
X-MS-TNEF-Correlator:
acceptlanguage: zh-CN, en-US
Content-Type: multipart/mixed;
boundary="_004_248935DBD2C33243B5D32551AC2AB08F01BCE402CNSZ021464mailc_"
MIME-Version: 1.0
--_004_248935DBD2C33243B5D32551AC2AB08F01BCE402CNSZ021464mailc_
Content-Type: multipart/alternative;
boundary="_000_248935DBD2C33243B5D32551AC2AB08F01BCE402CNSZ021464mailc_"
--_000_248935DBD2C33243B5D32551AC2AB08F01BCE402CNSZ021464mailc_
Content-Type: text/plain; charset="gb2312"
Content-Transfer-Encoding: base64
0ru2/sj9y8TO5cH5xt+wy77Fyq4NCsquvsWwy8bfwfnO5cvEyP22/tK7DQo=
--_000_248935DBD2C33243B5D32551AC2AB08F01BCE402CNSZ021464mailc_
Content-Type: text/html; charset="gb2312"
Content-Transfer-Encoding: quoted-printable
<!-- P { MARGIN-TOP: 0px; MARGIN-BOTTOM: 0px } -->
<div><span style="color: #3d0000; font-size: small;">=D2=BB=
=B6=FE=C8=FD=CB=C4=CE=E5=C1=F9=C6=DF=B0=CB=BE=C5=CA=AE</span></div>
<div><span style="font-size: small;">=CA=AE=BE=C5=B0=CB=C6=DF=
=C1=F9=CE=E5=CB=C4=C8=FD=B6=FE=D2=BB</span></div>
--_000_248935DBD2C33243B5D32551AC2AB08F01BCE402CNSZ021464mailc_--
下面我们来看看怎样转换MIME格式为HTML，这次用到的第三方包是：Email::MIME，大家去cpan下吧。 第一步需要取的邮件内容，当然是MIME格式的。 my $parsed = Email::MIME->new($content); my $header = $parsed->header_obj;#get the header my @parts = $parsed->parts;#取得MIME part，可以理解成MIME 这里的part是可以嵌套 取得MIME header后，我们就可以分离出主题，收件人发件人等信息了。 my $para_title = $header->header_raw("Subject"); #主题
my $para_fromuser = $header->header_raw("From");#发件人
my $touser = $header->header_raw("To"); #收件人可能会有多个。
下面是分析邮件主体，需要注意的是，邮件有可能包含附件，我们需要先把附件提取出来，然后生成文件。如果附件是图片的话，还需要修改邮件内容引用图 片的地方，改成：<img src="">这种形式。因此我的思路是创建一个map对象，以content-id为key，以最后生成的文件名为value值，把文件信息都存 进去，在提取邮件正文时再进行替换。 提取文件代码： sub SplitPart4File(){
my (@subpart) = @_;
for my $part (@subpart){
if($part->subparts){
SplitPart4File($part->subparts);
next;
}
my ($sec, $min, $hour, $mday, $mon, $year, $wday, $yday, $isdst) = localtime(time);
my $fn = $part -> filename;
my $fh;
if($fn){ #判断主体内容是否为文件，是就提取
my $sub_header = $part -> header_obj;
$file_name = Util->decode_gb2312($sub_header -> header_raw("Content-Description"));#得到文件名
my $file_size = Util->getValueByKey($part -> header("Content-Disposition"), "size");#得到文件大小
my $content_id = $part -> header("Content-ID");#得到content-id
$content_id =~ s/^<([^>]*?)>$/$1/img;#需要把<>都去掉
my $file_ext = substr($file_name, rindex($file_name, '.'));
my $time = Time::HiRes::Value->now();
my $new_file_name = $year.$mon.$mday.$hour.$min.$sec.$time.$file_ext;#用时间重新命名
if(! -e $ATTACH_PATH . (1900 + $year)){
mkdir($ATTACH_PATH . (1900 + $year));
}
$ATTACH_PATH .= (1900 + $year) . '/';
if(! -e $ATTACH_PATH . ($mon + 1)){
mkdir($ATTACH_PATH . ($mon + 1));
}
$ATTACH_PATH .= ($mon + 1) . '/';
if(! -e $ATTACH_PATH . $mday){
mkdir($ATTACH_PATH . $mday);
}
$ATTACH_PATH .= $mday . '/';
my $file_path = $ATTACH_PATH . $new_file_name;
$fh = IO::File -> new('>' . $file_path);
my $decoded = $part->body;
$fh->print($decoded);
push(@file_list, $content_id);
$file_map{$content_id} = $new_file_name;
$fh -> close();
}else{
next;
}
}
}
以下就是提取正文，并替换文件链接： sub SplitPart4Content(){
my (@subpart) = @_;
my $content;
my $file_name;
my $fh;
my $content_type;
my @content_type_list;
my $encoding;
my $charset;
my $decoded;
my $content_type;
for my $part (@subpart){
if($part->subparts){
SplitPart4Content($part->subparts);
next;
}
my ($sec, $min, $hour, $mday, $mon, $year, $wday, $yday, $isdst) = localtime(time);
$file_name = $part -> filename;
$content_type = $part->content_type;
@content_type_list = split(';', $content_type);
$content_type = $content_type_list[0];
$encoding = $part->header("Content-Transfer-Encoding");
$charset = $part->header("Content-Type");
if($charset =~ /.*charset\=\"(.+)\"/i){
$charset = $1;
}else{
$charset = '';
}
if($file_name){ #判断主体内容是否是文件，是文件就跳过
next;
}else{
$decoded = $part->body;
$content = Util->convert2gb2312($decoded);
$content_type = $part->content_type;
$content =~ s/src\=\"cid\:(.*?)\"/src\=\"$FILE_URL$file_map{$1}\"/img; #替换图片连接格式
}
}
}
由于MIME和Html类似，内容是可以嵌套的，因此需要递归提取。 调用一下以上function： SplitPart4File(@parts); SplitPart4Content(@parts); 最后公布一下Unit.pm里的代码： #!/usr/bin/perl
package Util;
use strict;
use MIME::Base64;
use Text::Iconv;
sub convert2gb2312(){
my ($self, $word) = @_;
my $word_tmp;
my $converter2gb2312 = Text::Iconv->new( "utf-8", "gb2312" );
$word_tmp = $converter2gb2312->convert($word_tmp);
if( $word_tmp ne ''){
$word = $word_tmp ;
}
return $word;
}
sub decode_gb2312(){
my ($self, $word) = @_;
my $word_tmp;
if( $word =~ /\=\?([^\s\(\)\<\>\@\,\:\;\"\/\?\.\=]+)\?([bBQq])\?([^\s\?]+)\?\=/ ){
if( $2 eq "q" || $2 eq "Q" ){
$word_tmp = decode_qp( $3 );
}elsif( $2 eq "b" || $2 eq "B" ){
$word_tmp = decode_base64( $3 );
}
if( !($1 =~ /^gb2312$/i) ){
my $converter2gb2312 = Text::Iconv->new( $1, "gb2312" );
$word_tmp = $converter2gb2312->convert($word_tmp);
}
if( $word_tmp ne ''){
$word = $word_tmp ;
}
}
return $word;
}
sub getValueByKey(){
my ($self, $str, $key) = @_;
if($str =~ /$key\=(.*?)\;/img){
my $match = $1;
$match =~ s/\"//img;
return $match;
}else{
return 0;
}
}
sub trim(){
my($self, $str) = @_;
$str =~ s/^\s+|\s+$//g;
return $str;
}
1;
以上并非完整代码，只是原型一个思路，大家可以在此基础上不断丰富功能。 |
|
|
