是否有可能以編程方式「清理」電子郵件？

Question

有沒有人對我如何清理傳入郵件的主體有任何建議？我想刪除免責聲明，圖片以及可能也會出現的任何以前的電子郵件文本，這樣我只剩下正文文本內容。我的猜測是不可能以任何可靠的方式實現，但是有沒有人嘗試過？有沒有適合這種事情的圖書館？

Answer 1

在電子郵件中，有一些商定的標記意味着你想要剝離的東西。您可以使用regular expressions查找這些行。我懷疑你不能真的很好「消毒」您的電子郵件，但你可以找一些事情：

1. 線開始「>」（大於然後空格更大），標誌着報價
2. 本着「 - - 「（然後兩個連字符的空格，然後換行）標誌着一個簽名的開始，看到Signature block on Wikipedia
3. 多部分消息，邊界與開始 -，除此之外，你需要做一些搜索從不需要的部分郵件正文部分分開（如base64圖像）

至於實際的C＃實現，我會爲您或其他SOers留下。

Answer 2

如果您創建自己的應用程序，我會查看正則表達式，找到文本並將其替換。爲了使應用程序有點不錯，我會創建一個叫做電子郵件的類，並且在該類中我有一個名爲RAW的屬性和一個名爲Stripped的屬性。

只是一些提示，你會收集其餘的時候，你看着正則表達式！

Answer 3

一些明顯的事情來看待：

1. 如果郵件是什麼，但純粹的純文本，該消息將是多部分MIME。任何類型爲「image/*」的部分（image/jpeg等）都可能被刪除。在所有可能的情況下，任何類型不是「text/*」的部分都可以使用。
2. 一個HTML消息可能會有一個類型爲「multipart/alternative」（我認爲）的部分，並且將包含2個部分，一個爲「text/plain」和一個爲「text/html」。這兩部分應該大致相同，因此您可以刪除HTML部分。如果唯一存在的部分是HTML位，則可能必須執行HTML以純文本轉換。
3. 引用文本的通常格式是在文本前面加上「>」字符。您應該能夠刪除這些行，除非行開始「>從」，在這種情況下已插入「>」以防止郵件閱讀器認爲「發件人」是新郵件的開始。
4. 簽名應該以「 - \ r \ n」開頭，儘管後面的空間很可能會丟失。

Answer 4

OSBF-Lua的第3版有一個郵件解析庫，它將處理MIME並將郵件拆分爲其MIME部分等等。我目前有一堆Lua腳本，它們會像 那樣忽略大多數非文本附件，比較喜歡純文本到HTML，等等。 （爲了保留引號，我也將長行換成80個字符。）

就刪除先前引用的郵件而言，上述建議都很好（您必須訂閱一些不合適的郵件列表）。

可靠地刪除免責聲明可能會很難。我的第一步是簡單地維護一個免責聲明庫，這個免責聲明將從每封郵件的末尾刪除;我會編寫一個腳本，使我能夠輕鬆地添加到庫中。對於更復雜的東西，我會嘗試一些機器學習。

自2007年2月以來，我一直致力於垃圾郵件過濾，並且我發現任何與電子郵件有關的事情都是一團糟。一個好的經驗法則是，無論你想要做什麼都比你想象的要困難得多:-(

Answer 5

鑑於你的問題「是否有可能以編程方式'清潔'電子郵件？」，我會回答「否，不可靠」

你所面臨的危險是不是一個真正的技術，而是一個社會學的一個

這是很容易被發現，並過濾掉，郵件的某些方面 - 。像圖像過濾out簽名和免責聲明同樣可以實現（儘管更多的是挑戰）

真正的問題是開發人員的成本它錯了。

如果您的過濾器碰巧刪除了一條關鍵信息，會發生什麼情況？你可以追溯到找到缺失的部分，或者是你的過濾desytructive？更糟糕的是，你會注意到這件作品丟失了嗎？

我在幾年前看到過一個經典的喜劇素描來說明這一點。兩個人一起在一輛車上工作。一位在做這項工作，另一位坐在附近閱讀服務手冊的指示 - 很明顯，沒有人知道他在做什麼，但他們正在盡力而爲。

手冊傢伙，朗讀：「撤消大膽的油底殼的中心......」 [轉頁]

工具的傢伙：「好吧，這出去了。」

手動人：「......在任何情況下」。