Question

有没有人对如何清理收到的电子邮件有任何建议？我想删除免责声明，图像以及可能也存在的任何以前的电子邮件文本，以便我只留下正文文本内容。我的猜测是不可能以任何可靠的方式，但有人试过吗？有没有适合这类事情的图书馆？

Answer 1

在电子邮件中，有几个商定的标记意味着你想剥离的东西。您可以使用regular expressions查找这些行。我怀疑你不能很好地“消毒”你的电子邮件，但有些你可以寻找的东西：

以“＆gt;”开头的行（大于空格）标记引号
带有“ - ”的行（两个连字符，然后是空格，然后换行）标记签名的开头，请参阅Signature block on Wikipedia
多部分消息，边界以 - 开头，除此之外，您需要进行一些搜索以将消息正文部分与不需要的部分（如base64图像）分开。

对于实际的C＃实现，我将其留给您或其他SO。

Answer 2

要看一些明显的事情：

如果邮件不是纯文本，则邮件将是多部分的mime。任何类型为“image / *”（图像/ jpeg等）的部分都可能被删除。在所有可能的情况下，任何类型不是“text / *”的部分都可以。
HTML消息可能会有“multipart / alternative”类型的一部分（我认为），并且将包含2个部分，一个是“text / plain”，另一个是“text / html”。这两个部分应该大致相同，因此您可以删除HTML部分。如果存在的唯一部分是HTML位，则可能必须执行HTML到纯文本转换。
引用文字的通常格式是在文字之前加上“＆gt;”字符。您应该能够删除这些行，除非该行开始“＆gt; From”，在这种情况下“＆gt;”已插入以防止邮件阅读器认为“发件人”是新邮件的开头。
签名应以“ - \ r \ n”开头，但很有可能会丢失尾随空格。

Answer 3

OSBF-Lua的第3版有一个邮件解析库，它将处理MIME并将邮件拆分为其MIME部分，依此类推。我目前有一堆乱七八糟的Lua脚本像忽略大多数非文本附件的东西，更喜欢纯文本到HTML，等等。（我还试图保留引用时将长行换行为80个字符。）

至于删除以前引用的邮件，上面的建议都很好（你必须订阅一些不礼貌的邮件列表）。

可靠地删除免责声明可能会很困难。我的第一个裁剪就是维护一个免责声明库，这些免责声明将在每封邮件的末尾被删除;我会编写一个脚本，以便我轻松添加到库中。对于更复杂的东西，我会尝试某种机器学习。

自2007年2月以来，我一直致力于垃圾邮件过滤，并且我已经了解到与电子邮件有关的任何事情都是一团糟。一个好的经验法则是，无论你想做什么都比你想象的要困难得多： - （

Answer 4

鉴于您的问题“是否有可能以编程方式'清理'电子邮件？”，我会回答“不，不可靠”。

你面临的危险并不是技术性的，而是社会性的。

很容易发现并过滤掉消息的某些方面 - 比如图像。同样，过滤签名和免责声明也是可能的（虽然更多是挑战）。

真正的问题是错误的成本。

如果您的过滤器恰好删除了邮件的关键部分，会发生什么？你可以追溯它找到丢失的部分，或者你的过滤是否具有破坏性？更糟糕的是，你会注意到这件作品丢失了吗？

我多年前看过一部经典的喜剧小品，说明了这一点。一起工作在汽车的两个人。一个是在工作之下，另一个坐在附近阅读服务手册的说明 - 很明显，没有人知道他在做什么，但他们正在尽力而为。

手动的家伙，大声朗读：“撤消油底壳中心的粗体......”[翻页]

工具人：“好的，它出来了。”

手动人：“......在任何情况下都没有。”

Answer 5

如果您创建自己的应用程序，我会查看Regex，查找文本并替换它。为了使应用程序有点好，我创建了一个叫Called的类，在那个类中我有一个名为RAW的属性和一个名为Stripped的属性。

只是一些提示，当你看到正则表达式时，你会收集其余的东西！

Answer 6

SigParser具有一个可在.NET中使用的程序集。它为您提供HTML和文本形式的正文，其余内容均已删除。如果您给它发送HTML电子邮件，则在需要时会将电子邮件转换为文本。

var parser = new SigParser.EmailParsing.EmailParser();
var result = await parser.GetCleanedBodyAsync(new SigParser.EmailParsing.Models.CleanedBodyInput {
    FromEmailAddress = "john.smith@example.com",
    FromName = "John Smith",
    TextBody = @"Hi Mark,
This is my message.

Thanks
John Smith
888-333-4434"
            });

// This would print "Hi Mark,\r\nThis is my message."
Console.WriteLine(result.CleanedBodyPlain);

是否有可能以编程方式“清理”电子邮件？

6 个答案: