用PHP实现POP3邮件的解码 eml文件解码3

2012年4月2日 发表评论 阅读评论

实现 MIME 解码的类

  该类实现解码的方法是 decode($head=null,$body=null,$content_num=-1),为了处理上的方便,要求输入的是两个字符数组,在我们的 上篇中,所用到的POP类所收取得到的就是两个这样的数组,一个是邮件头内容,一个是邮件的正文内容。限于篇幅,不对其做详细的说明,其实现思想跟本文上 篇中所介绍的POP类类似。请参考其中的注释。

  该类中用到了大量的正则表达式的操作,对此不熟悉的读者,请参考正则表达式的有关资料。

  class decode_mail
{
var $from_name;var $to_name;var $mail_time;var $from_mail;var $to_mail;
var $reply_to;var $cc_to;var $subject;
// 解码后的邮件头部分的信息:
var $body;
// 解码后得到的正文数据,为一个数组。
var $body_type; // 正文类型
var $tem_num=0;
var $get_content_num=0;
var $body_temp=array();
var $body_code_type;
var $boundary;
// 以上是一些方法中用到的一些全局性的临时变量,由于 PHP不能做到良好的封装,所以只能放在这里定义
var $err_str; // 错误信息
var $debug=0; // 调试标记
var $month_num=array("Jan"=>1,"Feb"=>2,"Mar"=>3,"Apr"=>4,"May"=>5,"Jun"=>6,"Jul"=>7,
"Aug"=>8,"Sep"=>9,"Oct"=>10,"Nov"=>11,"Dec"=>12); // 把英文月份转换成数字表示的月份

function decode($head=null,$body=null,$content_num=-1) // 调用的主方法,$head 与 $body 是两个数组,$content_num 表示的是当正文有多个部分的时候,只取出指定部分的内容以提高效率,默认为 -1 ,表示解码全部内容,如果解码成功,该 方法返回 true

  {
if (!$head and !$body)
{
$this->err_str="没有指定邮件的头与内容!!";
return false;
}
if (gettype($head)=="array")
{
$have_decode=true;
$this->decode_head($head);
}
if (gettype($body)=="array")
{
$this->get_content_num=$content_num;
$this->body_temp=$body;
$have_decode=true;
$this->decode_body();
unset($this->body_temp);
}
if (!$have_decode)
{
$this->err_str="传递的参数不对,用法:new decode_mail(head,body) 两个参数都是数组";
return false;
}
}
function decode_head($head) // 邮件头内容 的解码,取出邮件头中有意义的内容
{
$i=0;
$this->from_name=$this->to_name=$this->mail_time=$this->from_mail=$this->
to_mail=$this->reply_to=$this->cc_to=$this->subject="";
$this->body_type=$Sthis->boundary=$this->body_code_type="";
while ($head[$i])
{
if (strpos($head[$i],"=?"))
$head[$i]=$this->decode_mime($head[$i]);  //如果有编码的内容,则进行解码,解码函数是上文所介绍的 decode_mime()
$pos=strpos($head[$i],":");
$summ=substr($head[$i],0,$pos);
$content=substr($head[$i],$pos+1);  //将邮件头信息的标识与内容分开
if ($this->debug) echo $summ.":----:".$content."<BR>";
switch (strtoupper($summ))
{
case "FROM": // 发件人地址及姓名(可能没有姓名,只有地址信息)
if ($left_tag_pos=strpos($content,"<"))
{
$mail_lenth=strrpos($content,">")-$left_tag_pos-1;
$this->from_name=substr($content,0,$left_tag_pos);
$this->from_mail=substr($content,$left_tag_pos+1,$mail_lenth);
if (trim($this->from_name)=="") $this->from_name=$this->from_mail;
else
if (ereg("["|']([^'"]+)['|"]",$this->from_name,$reg))
$this->from_name=$reg[1];
}
else
{
$this->from_name=$content;
$this->from_mail=$content;
//没有发件人的邮件地址
}
break;
case "TO": //收件人地址及姓名(可能 没有姓名)
if ($left_tag_pos=strpos($content,"<"))
{
$mail_lenth=strrpos($content,">")-$left_tag_pos-1;
$this->to_name=substr($content,0,$left_tag_pos);
$this->to_mail=substr($content,$left_tag_pos+1,$mail_lenth);
if (trim($this->to_name)=="") $this->to_name=$this->to_mail;
else
if (ereg("["|']([^'"]+)['|"]",$this->to_name,$reg))
$this->to_name=$reg[1];
}
else
{
$this->to_name=$content;
$this->to_mail=$content;
//没有分开收件人的邮件地址
}
break;
case "DATE" : //发送日期,为了处理方便,这里返回的是一个 Unix 时间戳,可以用 date("Y-m-d",$this->mail_time) 来得到一般格式的日期
$content=trim($content);
$day=strtok($content," ");
$day=substr($day,0,strlen($day)-1);
$date=strtok(" ");
$month=$this->month_num[strtok(" ")];
$year=strtok(" ");
$time=strtok(" ");
$time=split(":",$time);
$this->mail_time=mktime($time[0],$time[1],$time[2],$month,$date,$year);
break;
case "SUBJECT":  //邮件主题
$this->subject=$content;
break;
case "REPLY_TO": // 回复地址(可能没有)
if (ereg("<([^>]+)>",$content,$reg))
$this->reply_to=$reg[1];
else $this->reply_to=$content;
break;
case "CONTENT-TYPE": // 整个邮件的 Content类型, eregi("([^;]*);",$content,$reg);
$this->body_type=trim($reg[1]);
if (eregi("multipart",$content)) // 如果是 multipart 类型,取得 分隔符
{
while (!eregi('boundary="(.*)"',$head[$i],$reg) and $head[$i])
$i++;
$this->boundary=$reg[1];
}
else //对于一般的正文类型,直接取得其编码方法
{
while (!eregi("charset=["|'](.*)['|"]",$head[$i],$reg))
$i++;
$this->body_char_set=$reg[1];
while (!eregi("Content-Transfer-Encoding:(.*)",$head[$i],$reg))
$i++;
$this->body_code_type=trim($reg[1]);
}
break;
case "CC": //抄送到。。
if (ereg("<([^>]+)>",$content,$reg))
$this->cc_to=$reg[1];
else
$this->cc_to=$content;
default:
break;
} // end switch
$i++;
} // end while
if (trim($this->reply_to)=="")  //如果没有指定回复地址,则回复地址为发送人地址
$this->reply_to=$this->from_mail;
}// end function define
function decode_body() //正文的解码,其中用到了不少邮件头解码所得来的信息
{
$i=0;
if (!eregi("multipart",$this->body_type)) // 如果不是复合类型,可以直接解码
{
$tem_body=implode($this->body_temp,"rn");
switch (strtolower($this->body_code_type)) // body_code_type ,正文的编码方式,由邮件头信息中取得
{case "base64":
$tem_body=base64_decode($tem_body);
break;
case "quoted-printable":
$tem_body=quoted_printable_decode($tem_body);
break;
}
$this->tem_num=0;
$this->body=array();
$this->body[$this->tem_num][content_id]="";
$this->body[$this->tem_num][type]=$this->body_type;
switch (strtolower($this->body_type))
{
case "text/html":
$this->body[$this->tem_num][name]="超文本正文";
break;
case "text/plain":
$this->body[$this->tem_num][name]="文本正文";
break;
default:
$this->body[$this->tem_num][name]="未知正文";
}
$this->body[$this->tem_num][size]=strlen($tem_body);
$this->body[$this->tem_num][content]=$tem_body;
unset($tem_body);
}
else // 如果是复合类型的
{
$this->body=array();
$this->tem_num=0;
$this->decode_mult($this->body_type,$this->boundary,0);  //调用复合类型的解码方法
}
}

function decode_mult($type,$boundary,$begin_row) // 该方法用递归的方法实现 复合类型邮件正文的解码,邮件源文件取自于 body_temp 数组,调用时给出该复合类型的类型、分隔符及 在 body_temp 数组中的开始指针

  {
$i=$begin_row;
$lines=count($this->body_temp);
while ($i<$lines) // 这是一个部分的结束标识;
{
while (!eregi($boundary,$this->body_temp[$i]))//找到一个开始标识
$i++;
if (eregi($boundary."--",$this->body_temp[$i]))
{
return $i;
}
while (!eregi("Content-Type:([^;]*);",$this->body_temp[$i],$reg ) and $this->body_temp[$i])
$i++;
$sub_type=trim($reg[1]); // 取得这一个部分的 类型是milt or text ....
if (eregi("multipart",$sub_type))// 该子部分又是有多个部分的;
{
while (!eregi('boundary="([^"]*)"',$this->body_temp[$i],$reg) and $this->body_temp[$i])
$i++;
$sub_boundary=$reg[1];// 子部分的分隔符;
$i++;
$last_row=$this->decode_mult($sub_type,$sub_boundary,$i);
$i=$last_row;
}
else
{
$comm="";
while (trim($this->body_temp[$i])!="")
{
if (strpos($this->body_temp[$i],"=?"))
$this->body_temp[$i]=$this->decode_mime($this->body_temp[$i]);
if (eregi("Content-Transfer-Encoding:(.*)",$this->body_temp[$i],$reg))
$code_type=strtolower(trim($reg[1])); // 编码方式
$comm.=$this->body_temp[$i]."rn";
$i++;
} // comm 是编码的说明部分
if (eregi('name=["]([^"]*)["]',$comm,$reg))
$name=$reg[1];
if (eregi("Content-Disposition:(.*);",$comm,$reg))
$disp=$reg[1];
if (eregi("charset=["|'](.*)['|"]",$comm,$reg))
$char_set=$reg[1];
if (eregi("Content-ID:[ ]*<(.*)>",$comm,$reg)) // 图片的标识符。
$content_id=$reg[1];
$this->body[$this->tem_num][type]=$sub_type;
$this->body[$this->tem_num][content_id]=$content_id;
$this->body[$this->tem_num][char_set]=$char_set;
if ($name)
$this->body[$this->tem_num][name]=$name;
else
switch (strtolower($sub_type))
{
case "text/html":
$this->body[$this->tem_num][name]="超文本正文";
break;
case "text/plain":
$this->body[$this->tem_num][name]="文本正文";
break;
default:
$this->body[$this->tem_num][name]="未知正文";
}  
// 下一行开始取回正文
if ($this->get_content_num==-1 or $this->get_content_num==$this->tem_num) // 判断这个部分是否是需要的。-1 表示全部
{
$content="";
while (!ereg($boundary,$this->body_temp[$i]))
{
//$content[]=$this->body_temp[$i];
$content.=$this->body_temp[$i]."rn";
$i++;
}
//$content=implode("rn",$content);
switch ($code_type)
{
case "base64":
$content=base64_decode($content);
break;
case "quoted-printable":
$content=str_replace("n","rn",quoted_printable_decode($content));
break;
}
$this->body[$this->tem_num][size]=strlen($content);
$this->body[$this->tem_num][content]=$content;
}
else
{
while (!ereg($boundary,$this->body_temp[$i]))
$i++;
}
$this->tem_num++;
}
// end else
} // end while;
} // end function define   
function decode_mime($string) {
//decode_mime 已在上文中给出,这里略过。
}
} // end class define

在这里要特别说明一点的是html正文里所用图片的解码。发送html格式的正文时,都会碰到图片如何传送的问题。图片在 html 文档里是一个<img src="" >的标签,关键是这个源文件从何来的。很多邮件的处理方法是用一个绝对的 url 标识,就是在邮件的html正文里用<img src= http://www.ccidnet.com/image/22.gif >之类的标签,这样,在阅读邮件时,邮件阅读器(通常是用内嵌的浏览器)会自动从网上下载图片,但是如果邮件收下来之后,与 Internet 的连接断了,图片也就不能正常显示。

  所以更好的方法是把图片放在邮件中一起发送出去。在 MIME 编码里,描述图片与正文的关系,除了上面所提到的multipart/related MIME头信息之外,还用到了一个 Content-ID: 的属性来使图片与 html 正文之间建立关系。html 文档中的图片在编码时,其MIME头中加入一个 Content-ID:122223443556dsdf@ntsever 之类的属性,122223443556dsdf@ntsever是一个唯一的标识,在 html 文档里,<img>标签被修改成<img src="cid: 122223443556dsdf@ntsever">,在解码的时候,实际上,还需要把 html 正文中的这些<img src>标签进行修改,使之指向解码后的图片的具体路径。但是考虑到具体的解码程序中对图片会有不同的处理,所以在这个解码的类中,没有对 hmtl 正文中的<img>标签进行修改。所以在实际使用这个类时,对于有图片的 html 正文,还需要一定的处理。正文中的图片,可以用临时文件来保存,也可以用数据库来保存。

  现在我们已经介绍了POP3 收取邮件并进行 MIME 解码的原理。下面给出一个使用这两个类的一段小程序:

  <?
include("pop3.inc.php");
include("mime.inc.php");
$host="pop.china.com";
$user="boss_ch";
$pass="mypassword";
$rec=new pop3($host,110,2);
$decoder=new decode_mail();
if (!$rec->open()) die($rec->err_str);
if (!$rec->login($user,$pass)) die($rec->err_str);
if (!$rec->stat()) die($rec->err_str);
echo "共有".$rec->messages."封信件,共".$rec->size."字节大小<br>";
if ($rec->messages>0)
{
if (!$rec->listmail()) die($rec->err_str);
echo "以下是信件内容:<br>";
for ($i=1;$i<=count($rec->mail_list);$i++)
{
echo "信件".$rec->mail_list[$i][num].",大小:".$rec->mail_list[$i][size]."<BR>";
$rec->getmail($rec->mail_list[$i][num]);
$decoder->decode($rec->head,$rec->body);
echo "<h3>邮件头的内容:</h3><br>";
echo $decoder->from_name."(".$decoder->from_mail.") 于".date("Y-m-d H:i:s",$decoder->mail_time)." 发给".$decoder->to_name."(".$decoder->to_mail.")";
echo "n<br>抄送:";
if ($decoder->cc_to) echo $decoder->cc_to;else echo "无";
echo "n<br>主题:".$decoder->subject;
echo "n<br>回复到:".$decoder->reply_to;  
echo "<h3>邮件正文 :</h3><BR>";
echo "正文类型:".$decoder->body_type;
echo "<br>正文各内容:";
for ($j=0;$j<count($decoder->body);$j++)
{
echo "n<br>类型:".$decoder->body[$j][type];
echo "n<br>名称:".$decoder->body[$j][name];
echo "n<br>大小:".$decoder->body[$j][size];
echo "n<br>content_id:".$decoder->body[$j][content_id];
echo "n<br>正文字符集".$decoder->body[$j][char_set];
echo "<pre>";
echo "正文内容:".$decoder->body[$j][content];
echo "</pre>";
}
$rec->dele($i);
}
}
$rec->close();
?>

  如有想要取得完整源代码的朋友,请与版主联系: boss_ch@netease.com


转载请注明来自:[MSN Spaces]http://msn.shandian.biz/163.html

  1. 本文目前尚无任何评论.