如何在 Ruby 中解析邮箱文件？答案

【问题标题】：How to parse mailbox file in Ruby?如何在 Ruby 中解析邮箱文件？
【发布时间】：2013-04-28 02:40:40
【问题描述】：

Ruby gem rmail 具有解析本地磁盘上邮箱文件的方法。不幸的是，这个 gem 已经坏了（在 Ruby 2.0.0 中）。它可能无法修复，因为人们正在迁移到 gem mail。

Gem mail 有方法 Mail.read('filename.txt')，但它只解析邮箱中的第一条消息。

那个 gem 和内置的 Net::IMAP 已经在网上充斥着通过 imap 访问邮箱的教程。

那么，还有没有办法在没有 imap 的情况下解析一个普通的旧文件？作为我小组中唯一的 rubyist，我宁愿不求助于http://docs.python.org/2/library/mailbox.html 来让自己难堪。

或者，更糟糕的是，PHP 的 imap_open('/var/mail/www-data', ...) -- 如果只有 Net::IMAP.new 接受这样的文件名。

【问题讨论】：

一个文字邮箱文件？在迪斯科消失之前，不是每个人都搬到Maildir 吗？
是的，就是这样。

标签： ruby parsing email mbox

【解决方案1】：

好消息是Mbox format 非常简单，尽管它的简单性是它最终被替换的原因。解析大型邮箱文件以提取单个邮件并不是特别有效。

如果您可以将邮箱文件拆分为单独的字符串，则可以将这些字符串传递给 Mail 库进行解析。

示例起点：

def parse_message(message)
  Mail.new(message)

  do_other_stuff!
end

message = nil

while (line = STDIN.gets)
  if (line.match(/\AFrom /))
    parse_message(message) if (message)
    message = ''
  else
    message << line.sub(/^\>From/, 'From')
  end
end

关键是每条消息都以"From " 开头，其后的空格是关键。标头将被定义为From:，任何以">From" 开头的行都将被视为实际上是"From"。正是这样的事情使得这种编码方法确实不够用，但如果 Maildir 不是一个选项，这就是你必须做的。

【讨论】：

快速浏览有问题的邮箱可以确认/^From / 而不是/From: / 确实分隔了邮件。

【解决方案2】：

你可以使用tmailparsing email boxes，但是它被mail取代了，但我真的不能find a class that substitutes it。因此，您可能希望与 tmail 保持一致。

编辑：正如@tadman 指出的那样，它不应该与 ruby 1.9 一起使用。但是你可以移植这个类（并将它放在 github 上供其他人使用:-)）

【讨论】：

根据我的经验，tmail 在 1.9.x 中确实被破坏了。它已被 mail 弃用。

【解决方案3】：

mbox 格式非常简单。它只是所有消息的串联，用空行分隔。每条消息的第一行以五个字符“From”开头；将消息添加到文件时，任何以“From”开头的行都有一个 > 前缀，因此您可以可靠地使用以“From”开头的行作为消息开头的指示符。

当然，由于这是一种旧格式并且从未标准化，因此有许多变体。一种变体使用Content-Length 标头来确定消息的长度，并且此变体的某些实现无法插入“>”。但是，我认为这在实践中很少见。

mbox 格式的一个大问题是文件需要由邮件代理就地修改；因此，每个实现都有一些锁定过程。当然，那里没有标准化，因此您需要在阅读邮箱时注意其他进程修改邮箱。在实践中，很多邮件系统通过使用 maildir 格式解决了这个问题，其中邮箱实际上是一个目录，每条消息都是一个文件。

您可能想做的其他事情包括 MIME 解码，但您应该能够找到执行此操作的实用程序。

【讨论】：