将电子邮件解析为唯一文本

Question

我有一个mbox格式的大邮箱。这是所有文章，因此标题信息不相关（日期除外）。

我想要的是获取我的大* .mbx文件并生成文本文件，其中文件名是每封电子邮件的主题，并删除所有标题。

我认为AWK可以用正则表达式做到这一点，但这种事情不是我的专业领域（更多的是gui人）。

我希望我可以将文件保存在硬盘驱动器上的磁盘空间更少，最后可以使用Google桌面搜索进行索引。

任何帮助表示感谢。

Answer 1

这里的关键是将记录分隔符变量设置为空字符串。这将以“段落”模式读取文件。

awk -v RS="" '
    /^From / {
        # this $0 contains the email headers, grab the subject
        subject = "no subject"
        split($0, headers, /\n/)
        for (idx in headers)
            if (headers[idx] ~ /^Subject: /) {
                subject = headers[idx]
                sub(/^Subject: /, "", subject)
            }

        next
    }
    { print > subject}
' large.mbox

如果您的电子邮件具有相同主题，则邮件正文将连接到一个文件中。

我不希望看到大量的磁盘使用量。您将删除标题，但增加所需的磁盘块数。