PHP汉字IMAP

Question

我通过IMAP从电子邮件中检索数据，并希望(通过PHP)通过编程方式检测身体是否有中文、日文或韩文字符。我知道编码，但不知道

    $mbox = imap_open ("{localhost:995/pop3/ssl/novalidate-cert}",  "info@***.com", "********");

    $email=$_REQUEST['email'];

    $num_mensaje = imap_search($mbox,"FROM $email");

    // grab the body for the same message
        $body =  imap_fetchbody($mbox,$num_mensaje[0],"1");

            //chinese for example
        $str = mb_convert_encoding($body,"UTF-8","EUC-CN");

    imap_close($mbox);

任何想法

Answer 1

• 您的意思是您不知道编码传入消息的是哪个CJK？

查找信息的规范位置是charset=头中的Content-Type:参数。

不幸的是，提取这一点并不像你希望的那样简单。实际上，您可能认为imap_header返回的对象将包含类型信息，但它不包含，相反，您必须使用imap_fetchheader从消息中获取原始标头，并自己解析它们。

解析RFC822头并不是完全简单的。对于简单的情况，您可以通过将每一行与^content-type:.*; *charset=([^;]+)匹配(case-不敏感)来避免。但是，要真正正确地执行它，您必须通过一个适当的run 822家庭解析器(如MailParse )来运行整个消息头和正文。

然后，您仍然会遇到忽略包含charset信息的消息的问题。对于这种情况，您需要使用mb_detect_encoding。

• 或者你只是担心正确解码的字符代表哪种语言？

在本例中，您希望使用与上面相同的方法读取的头是Content-Language。然而，它常常不存在，在这种情况下，你不得不再次回到猜测。CJK统一意味着所有语言都可能使用许多相同的字符，但是有几种启发式方法可以用来猜测：

1. 消息所使用的编码，来自上述内容。如果是EUC，你的语言很可能是简体中文。
2. 任何kana (U+3040-U+30 of ->日文)或汉格尔(U+ in 00-U+D7FF ->朝鲜语)在文本中的存在。
3. 简体与繁体汉字的存在。虽然有些字符可以表示任何一种，但另一些字符(两个变体之间的笔画有重大变化)只适合一个字符。检测它们存在的简单方法是尝试将字符串编码为GBK和Big5编码，并查看它是否失败。如果你不能编码到GBK，但你可以Big5，它将是繁体中文。