电子邮件解析系统

Question

我正在构建一个系统，用于自动解析传入的电子邮件并从中填充数据库

最初只会有10-20种预期格式，但长期存在数千种不同格式的可能性

我看待它的方式

1. 我需要识别电子邮件的格式（例如主题行上的正则表达式）
2. 使用正确的处理器解析电子邮件
3. 检查数据是否切合实际，可能会标记一些用于手动检查
4. 填充数据库

我所追求的是如何构建这个的建议，例如我将格式存储在数据库或平面文件中，系统需要灵活，可能是主题行检测不够而且我可能也有扫描电子邮件标题。

数据本身可以在电子邮件正文或附件中，例如pdf，excel文件等

这类事情的一个主要例子是picasa照片库，您可以将照片通过电子邮件发送到特定的电子邮件地址，并自动提取并将其放入图库

Answer 1

可能不是最着名的答案，但你看看标准的方法，比如procmail吗？为您提供对电子邮件的基本了解，并允许您围绕所有内容构建过滤器。 （首先通过文件类型检测器处理邮件，将regexp应用于所有可能的标头，...）

通过这种方式，您可以将系统的每个部分保存在专门的脚本/程序中，并生成可轻松扩展的模块化解决方案。另外，您可以使用任何已经由其他人编程的工具。

对于文件类型过滤器：我正在通过procmail为破损/旧pgp邮件做类似的事情来添加内容类型。

# repair pgp-encoded messages with missing Content-Type
######################################################################

:0
* !^Content-Type: message/
* !^Content-Type: multipart/
* !^Content-Type: application/pgp
{
   :0 fBw
   * ^-----BEGIN PGP MESSAGE-----
   * ^-----END PGP MESSAGE-----
   | /usr/bin/formail \
       -i "Content-Type: application/pgp; format=text; x-action=encrypt"

   :0 fBw
   * ^-----BEGIN PGP SIGNED MESSAGE-----
   * ^-----BEGIN PGP SIGNATURE-----
   * ^-----END PGP SIGNATURE-----
   | /usr/bin/formail \
       -i "Content-Type: application/pgp; format=text; x-action=sign"
}

然后，进一步处理可以匹配内容类型，并为特殊类型（以及未知类型的通用处理程序）分配特殊处理程序。

Answer 2

您可能要做的是首先解析标题和主题行，然后通过数据库导入正确的格式。因为可能存在数千种格式，所以数据库将是最简单的方式，因为它是动态的。无需创建数千个文件。

Answer 3

使用PHPMailer库。