如何识别人类发送的电子邮件？

Question

我正在从事一个项目，我需要识别由真人发送的电子邮件，而不是批量邮件、通知和新闻通讯。有没有明确的方法可以做到这一点？电子邮件标题中是否有任何信息可以提供帮助。我正在使用 Gmail IMAP，所以我已经收到了非垃圾邮件。

感谢您提供这方面的任何帮助。谢谢！

Answer 1

没有明确的方法来区分批量邮件和个性化邮件。与垃圾邮件不同，大多数批量邮件都是请求/预期的，因此发件人不会做奇怪的事情来绕过垃圾邮件过滤器，这意味着这些电子邮件通常可以很好地融合在一起。

但是，您可以寻找一些趋势。如果你想可靠地做到这一点，你可能需要应用一些评分系统，比如垃圾邮件过滤器。

您还需要接受您必然会得到很大比例的误报和误报。

群发邮件中常见的一些在个性化通信中较少出现的内容：

1. “收件人”和“抄送”地址不包含本地收件人。有时发件人会发送到“mailList@mydomain.com”而不是“recipientA@recipientAdomain.com”、“recipientB@recipientBdomain.com”等。在这些情况下，也很可能“收件人”中只出现一个地址“抄送”中没有任何内容
2. “发件人”地址是“noreply@”、“newsletter@”、“do-not-reply@”、“mailinglist@”，甚至更不常用的术语，如“support@”或“sales@”（但请记住，它们可能会导致误报）
3. 存在“List-Unsubscribe:”标头
4. 消息包含取消订阅链接。运行模式匹配以查找电子邮件最后几行中的常用短语。查找链接或“退订”、“退出”等字词。
5. 邮件列表往往内容丰富。检查是否大量使用 CSS 和大量图像，整个消息包含在 <table></table> 或 <ul><li></li></ul> 结构中。即 Dreamweaver 之类的东西，而不是邮件客户端。
6. 邮件顶部的标题或粗体内容。如果消息的开头部分类似于时事通讯，则很可能是时事通讯。
7. 大量链接或频繁链接到相同（或相同少数）网站。时事通讯将尽可能多地引导用户访问公司的网站。如果链接的域与发件人域匹配（或相似），您的得分可能会更高。
8. 大量引用社交媒体。如果它是包含多篇文章的时事通讯，则每个故事可能都有自己的“Tweet this”、“Like this”链接。个人用户可能（最多）包含一个对 Twitter、Facebook 等的引用（在他们的签名中）
9. 通知和其他自动生成的消息通常遵循相同的基本格式。如果您有能力，请对以前的消息进行某种差异或其他比较。强匹配意味着自动化。
10. 没有问候语或通用问候语。但是，个人电子邮件通常也会跳过“Dear Fred”位，因此这本身并不是一个足够好的检测；但“尊敬的用户”或“尊敬的客户”之类的词几乎可以肯定是通用的。
11. 不太可能以“Regards, Ian”或“Yours sincerely, John Doe”结尾
12. 发件人以前得分很高。保持纪录。如果发件人多次触发高分，则几乎可以肯定是群发邮件。