提取邮件内容

Question

我需要创建一个应用程序，将提取增值税号码，我们的客户发送给我们进行验证。他们不再通过电子邮件发送任何东西。这是为了创建扩展统计数据。

我需要的是在我需要的内容之前有一个没有任何标题的邮件正文，也就是增值税号码，就这么简单。

这是我的脚本，它创建了最近30封电子邮件的列表：

<?
if (!function_exists('imap_open')) { die('No function'); }

if ($mbox = imap_open(<confidential>)) {
    $output = "";
    $messageCount = imap_num_msg($mbox);
    $x = 1;     
    for ($i = 0; $i < 30; $i++) {
        $message_id = ($messageCount - $i);
        $fetch_message = imap_header($mbox, $message_id);
        $mail_content = quoted_printable_decode(imap_fetchbody($mbox,$message_id, 1));
        iconv(mb_detect_encoding($mail_content, mb_detect_order(), true), "UTF-8", $mail_content);

        $output .= "<tr>
        <td>".$x.".</td>
        <td>
            ".$fetch_message->from[0]->mailbox."@".$fetch_message->from[0]->host."
        </td>
        <td>
            ".$fetch_message->date."
        </td>
        <td>
            ".$fetch_message->subject."
        </td>
        <td>
            <textarea cols=\"40\">".$mail_content."</textarea>
        </td>
        </tr>";
        $x++;
    }
    $smarty->assign("enquiries", $output);
    $smarty->display("module_mail");
    imap_close($mbox);
} else {
    print_r(imap_errors());
}
?>

我使用过imap_fetchbody、imap_header等工具来检索所需的内容，但大多数电子邮件在内容之前都有其他内容(如标题)，例如。

--=-Dbl2eWTUl0Km+Tj46Ww1
Content-Type: text/plain;

------=_NextPart_001_003A_01D14F7A.F25AB3D0
Content-Type: text/plain;

--=-ucRIRGamiKb0Ot1/AkNc
Content-Type: text/plain;

我需要去掉邮件中包含的增值税号码之前的所有东西，但我不知道怎么做。有些电子邮件没有这些标题，有些则有。由于我们与来自欧洲各地的客户合作，这真的让我感到困惑，让我无能为力。

另一个问题是，一些客户只是从不同的网站复制粘贴增值税号码，这意味着这些增值税号码通常是以原始样式粘贴的(粗体/背景/更改颜色等)。这可能是我下面写PS的原因。

我将感谢每一位帮助我解决这个问题的人。

提前谢谢你。

PS。只是为了记录一下。对于imap_fetchbody($mbox,$message_id, 1)，我需要使用1来拥有整个内容。将1更改为其他任何值都会导致根本不显示电子邮件内容。从字面上看。

Answer 1

你定义为“噪音”的那部分电子邮件只是电子邮件格式的一部分。

在某种程度上，就像你正在阅读网页的html代码一样。

所有这些位都是边界。电子邮件中的这些元素就像html中的标签，它们开始和结束。

所以在你的例子中：

Content-Type: multipart/alternative; boundary="=-Dbl2eWTUl0Km+Tj46Ww1" // define type of email structure and boudary

--=-Dbl2eWTUl0Km+Tj46Ww1    // used to start the section
Content-Type: text/plain;   // to define the type of content of the section
// here there is your VAT presumbly

--=-Dbl2eWTUl0Km+Tj46Ww1--  // used to close the section

可行的解决方案

实际上你至少有两个解决方案。

自己制作一个自定义解析器，或者使用一个名为Mailparse的PECL库。

手动创建解析器：

$mail_lines = explode($mail_content, "\n");

foreach ($mail_lines as $key => $line) {
     // jump most of the headrs
     if ($key < 5) {
         continue;
     }

     // skip tag lines
     if (strpos($line, "--")) {
        continue;
     }

     // skip Content lines
     if (strpos($line, "Content")) {
        continue;
     }

     if (empty(trim($line))) {
        continue;
     } 

     ////////////////////////////////////////////////////
     // here you have to insert the logic for the parser
     // and extend the guard clauses
     ////////////////////////////////////////////////////
}

Mailparse：

安装邮件解析sudo pecl install mailparse。

提取增值税：

$mail = mailparse_msg_create();
mailparse_msg_parse($mail, $mail_content);
$struct = mailparse_msg_get_structure($mail); 

foreach ($struct as $st) { 
    $section = mailparse_msg_get_part($mail, $st); 
    $info = mailparse_msg_get_part_data($section); 

    print_r($info);
}

Answer 2

您必须使用imap_fetchstructure()来查找邮件的纯文本部分。

下面的代码可以给出text/plain子部分的节号(例如"1.1")

 function getTextPart($struct) {
    if ($struct->type==0) return "1";
    if ($struct->type==1) {
            $num=1;
            foreach ($struct->parts as $part) {
                    if (($part->type==0)&&($part->subtype="PLAIN")) {
                            return $num;
                    } else if ($part->type==1) {
                            $found=getTextPart($part);
                            if ($found) return "$num.$found";
                    }
                    $num++;
            }
    }
    return NULL;
 }

使用示例：

if ($imap) {
    $messageCount = imap_num_msg($imap);
    for ($i = 1; $i < 30; $i++) {
            $struct=imap_fetchstructure($imap, $i);
            $part=getTextPart($struct);
            $body=imap_fetchbody($imap, $i, $part);
            print_r($body);
    }
 }