Question

我收到了很多来自不同来源的电子邮件。他们都有附件，其中很多都有中文附件名，所以这些名称由其电子邮件客户端转换为base64。

当我收到这些电子邮件时，我想解码这个名字。但还有其他名字不是base64。如何使用 jython 编程语言来区分字符串是否为base64？

IE中。

第一个附件：

------=_NextPart_000_0091_01C940CC.EF5AC860
Content-Type: application/vnd.ms-excel;
 name="Copy of Book1.xls"
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
 filename="Copy of Book1.xls"

第二个附件：

------=_NextPart_000_0091_01C940CC.EF5AC860
Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
 filename="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

请注意“ Content-Transfer-Encoding ”都有base64

Answer 1

标题值告诉您：

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=

"=?"     introduces an encoded value
"gb2312" denotes the character encoding of the original value
"B"      denotes that B-encoding (equal to Base64) was used (the alternative 
         is "Q", which refers to something close to quoted-printable)
"?"      functions as a separator
"uLG..." is the actual value, encoded using the encoding specified before
"?="     ends the encoded value

分裂“？”实际上得到你（JSON表示法）

["=", "gb2312", "B", "uLGxvmhlbrixsb5nLnhscw==", "="]

在结果数组中，如果“B”在位置2上，则在第3位面对基数为64的编码字符串。解码后，请务必注意位置1上的编码，可能是最好使用该信息将整个事物转换为UTF-8。

Answer 2

请注意Content-Transfer-Encoding都有base64

在这种情况下不相关，Content-Transfer-Encoding仅适用于正文有效负载，而不适用于标题。

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=

这是 RFC2047 - 编码的标头原子。解码它的stdlib函数是email.header.decode_header。它仍然需要一些后处理来解释该函数的结果：

import email.header
x= '=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?='
try:
    name= u''.join([
        unicode(b, e or 'ascii') for b, e in email.header.decode_header(x)
    ])
except email.Errors.HeaderParseError:
    pass # leave name as it was

...然而

Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

这是完全错误的。邮件是什么创建的？ RFC2047编码只能在原子中发生，而引用的字符串不是原子。 RFC2047§5明确否认：

“编码字”绝不能出现在“引用字符串”中。

当存在长字符串或Unicode字符时，接受的编码参数标头的方法是 RFC2231 ，这是一个全新的伤害包。但是你应该使用一个标准的邮件解析库来处理这个问题。

因此，您可以根据需要检测文件名参数中的'=?'，并尝试通过RFC2047对其进行解码。但是，严格说来正确的事情就是把邮件发送到它的话，然后真正调用文件=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=！

Answer 3

@gnud，@ edg - 除非我误解，否则他会询问文件名，而不是文件内容 @setori - Content-Trasfer-Encoding告诉你如何编码文件的内容，而不是“文件名”。

我不是专家，但文件名中的这一部分告诉他下面的字符：

=？GB2312 2 B 4

我正在寻找RFC中的文档......啊！这是：http://tools.ietf.org/html/rfc2047

RFC说：

通常，“编码字”是一系列可打印的ASCII字符，以“=？”开头，以“？=”结尾，中间有两个“？”。 / em>

要查看的其他内容是SharpMimeTools中的代码，我在bug tracking应用中使用的MIME解析器（在C＃中），BugTracker.NET

Answer 4

有一种比bobince方法更好的方法来处理decode_header的输出。我在这里找到了它：http://mail.python.org/pipermail/email-sig/2007-March/000332.html

name = unicode(email.header.make_header(email.header.decode_header(x)))

Answer 5

好吧，您将电子邮件标题解析为字典。然后检查是否设置了Content-Transfer-Encoding，如果它=“base64”或“base-64”。

Answer 6

问题：“”“另外我实际上需要知道它是什么类型的文件，即.xls或.doc所以我需要解码文件名以便正确处理附件，但如上所述，似乎gb2312不是在jython中支持，知道任何环形交叉口吗？“”“

数据：

Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

观察：

（1）第一行表示Microsoft Excel，因此.xls看起来好于.doc

（2）

>>> import base64
>>> base64.b64decode("uLGxvmhlbrixsb5nLnhscw==")
'\xb8\xb1\xb1\xbehen\xb8\xb1\xb1\xbeg.xls'
>>>

（a）扩展程序似乎是.xls - 不需要gb2312编解码器（b）如果你想要一个文件系统安全的文件名，你可以使用base64的“-_”变体，或者你可以对它进行百分比编码（c）对于它的价值，文件名是XYhenXYg.xls，其中X和Y是2个汉字，一起表示“复制”，其余部分是文字ASCII字符。

如何判断字符串是否为base64

6 个答案: