解析文本/用JavaMail

HTML數據，我寫一個應用程序，我獲取信息並檢查它的內容：解析文本/用JavaMail

public void getInhoud(Message msg) throws IOException, Exception { 
    Object contt = msg.getContent(); 
    ... 
    if (contt instanceof String) { 
      handlePart((Part) msg); 
    } 
    ... 
} 

public void handlePart(Part part) 
     throws MessagingException, IOException, Exception { 

    ByteArrayOutputStream out = new ByteArrayOutputStream(); 
    String contentType = part.getContentType(); 
    ... 
    if ((contentType.length() >= 9) 
      && (contentType.toLowerCase().substring(
      0, 9).equals("text/html"))) { 
     part.writeTo(out); 
     String stringS = out.toString(); 
    } 
    ... 
}

我刪除了不必要的代碼。此方法適用於從Gmail，Hotmail和Outlook桌面客戶端發送的電子郵件，但以某種方式無法處理從Office 365 Web客戶端發送的電子郵件。對於其他所有客戶端，內容類型將爲「普通/文本」，但僅適用於Office 365郵件，它將爲text/html。它將Part的數據寫入ByteArrayOutputStream，然後將其轉換爲String。這工作，至少String將包含該部分的內容。但是它包含的HTML有些錯誤。

這裏是一個例子： http://pastebin.com/5mEYCHxD（發佈到Pastebin，它非常大）。

請注意=符號打印在幾乎每一行的末尾。這是我可以在代碼中修復的東西，還是應該放在mailclient的某個地方？

我想過循環遍歷HTML的每一行，並在檢查後刪除=不是HTML標記的一部分。

任何幫助都非常感謝，這已經困擾了我幾個星期了。

謝謝！

來源

2012-12-28 Jef

這聽起來就像quoted printable encoding：

引用可打印編碼數據的

電線不能超過76個字符。爲了在不改變編碼文本的情況下滿足這個要求，可以根據需要添加軟換行符。 軟線斷點由編碼行末尾的「=」組成，在解碼後的文本中不會出現換行符。

的writeTo方法似乎也寫編碼的內容，看來你得流自行復制。 getInputStream method被描述爲返回解碼的InputStream。

來源

2012-12-28 10:06:38

這是一些非常有用的信息，謝謝！我嘗試檢索像這樣的部分的'InputStream'： 'InputStream partInput = part.getInputStream（）; StringWriter writer = new StringWriter（）; IOUtils.copy（partInput，writer）; String stringS = writer.toString（）;'但不知何故'InputStream'是空的，任何想法出了什麼問題？ – Jef

請記住，InputStream返回**字節**，但StringWriter寫入**字符**。至少你需要告訴的是用什麼字符編碼來將字節流轉換爲字符流，你可以從該部分的Content-Type的「字符集」參數中獲得。我不知道IOUtils.copy正在做什麼，而是嘗試自己讀取流。 –

解析文本/用JavaMail

回答

相關問題