將電子郵件解析爲唯一文本

我有一個mbox格式的大郵箱。這是所有的文章，所以標題信息是不相關的（日期除外）。將電子郵件解析爲唯一文本

我想要的是帶上我的大型* .mbx文件並生成文本文件，其中文件名是每封電子郵件的主題，並且所有標題都被刪除。

我認爲AWK可以用正則表達式來做到這一點，但這種事情並不是我的專業領域（更多的是gui人）。

我的希望是，我可以將文件保留在硬盤上的磁盤空間更小，並且最終可以使用Google桌面搜索進行索引。

任何幫助表示讚賞。

2012-03-21 user1284084

這裏的關鍵是將記錄分隔符變量設置爲空字符串。這將以「段落」模式讀取文件。

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

如果您的郵件具有相同主題，郵件正文將被連接成一個文件。

我不希望看到大量的磁盤使用量節省。您將刪除標題，但增加所需的磁盤塊數量。

來源

2012-03-21 18:21:14

感謝您的快速響應。我將腳本保存爲script.sh，並嘗試使用awk -f script.sh運行它，並返回語法錯誤，其中一個指向空字符串之前的等號。（在RS =「」它指向=）你能告訴我我做錯了什麼嗎？我正在使用Gawk for windows，因爲我只有Windows 7筆記本電腦可用。再次感謝！ – user1284084 2012-03-21 22:03:13

在這種情況下，刪除'-v RS =「」'選項並將'BEGIN {RS =「」}'放在awk腳本中。 windows命令提示符可能與它混淆了。 – 2012-03-21 23:37:42

如果你想要一個窗口框unixy命令，請查看cygwin.com – 2012-03-21 23:38:48

將電子郵件解析爲唯一文本

回答

相關問題