用PHP實現POP3郵件的解碼二

MIME 編碼方式簡介 (作者:陳俊清 2000年10月24日 15:09)   MIME 編碼方式簡介   Subject: =?gb2312?B?xOO6w6Oh?=   這裡是郵件的主題,可是因為編碼瞭,我們看不出是什麼內容,其原來的文本是:“你好!”我們先看看 MIME 編碼的兩種方法。   對郵件進行編碼最初的原因是因為 Internet 上的很多網關不能正確傳輸8 bit 內碼的字符,比如漢字等。編碼的原理就是把 8 bit 的內容轉換成 7 bit 的形式以能正確傳輸,在接收方收到之後,再將其還原成 8 bit 的內容。   MIME 是“多用途網際郵件擴充協議”的縮寫,在 MIME 協議之前,郵件的編碼曾經有過 UUENCODE 等編碼方式 ,但是由於 MIME 協議算法簡單,並且易於擴展,現在已經成為郵件編碼方式的主流,不僅是用來傳輸 8 bit 的字符,也可以用來傳送二進制的文件 ,如郵件附件中的圖像、音頻等信息,而且擴展瞭很多基於MIME 的應用。從編碼方式來說,MIME 定義瞭兩種編碼方法Base64與QP(Quote-Printable) :   Base 64 是一種通用的方法,其原理很簡單,就是把三個Byte的數據用 4 個Byte表示,這樣,這四個Byte 中,實際用到的都隻有前面6 bit,這樣就不存在隻能傳輸 7bit 的字符的問題瞭。Base 64的縮寫一般是“B”,像這封信中的Subject 就是用的 Base64 編碼。   另一種方法是QP(Quote-Printable) 方法,通常縮寫為“Q”方法,其原理是把一個 8 bit 的字符用兩個16進制數值表示,然後在前面加“=”。所以我們看到經過QP編碼後的文件通常是這個樣子:=B3=C2=BF=A1=C7=E5=A3=AC=C4=FA=BA=C3=A3=A1。   在 PHP 裡,系統有兩個函數可以很方便地實現解碼:base64_decode()與quoted_printable_decode(),前者可用於base64 編碼的解碼,後者是用於 QP 編碼方法的解碼。   現在我們再來看看Subject: =?gb2312?B?xOO6w6Oh?= 這一主題的內容,這不是一段完整的編碼,隻有部分是編碼瞭的,這個部分用 =? ?= 兩個標記括起來,=? 後面說明的是這段文字的字符集是 GB2312 ,然後一個 ? 後面的一個 B 表示的是用的 Base64 編碼。通過這段分析,我們來看一下這個 MIME 解碼的函數:(該函數由 PHPX.COM 站長 Sadly 提供,本人將其放入一個類中,並做瞭少量的修改,在此致謝)   function decode_mime($string) {    $pos = strpos($string, =?);    if (!is_int($pos)) {      return $string;    }    $preceding = substr($string, 0, $pos); // save any preceding text    $search = substr($string, $pos+2); /* the mime header spec says this is the longest a single encoded word can be */    $d1 = strpos($search, ?);    if (!is_int($d1)) {      return $string;    }    $charset = substr($string, $pos+2, $d1); //取出字符集的定義部分    $search = substr($search, $d1+1); //字符集定義以後的部分=>$search;    $d2 = strpos($search, ?);    if (!is_int($d2)) {      return $string;    }    $encoding = substr($search, 0, $d2); ////兩個? 之間的部分編碼方式 :q 或 b     $search = substr($search, $d2+1);    $end = strpos($search, ?=); //$d2+1 與 $end 之間是編碼瞭 的內容:=> $endcoded_text;    if (!is_int($end)) {      return $string;    }    $encoded_text = substr($search, 0, $end);    $rest = substr($string, (strlen($preceding . $charset . $encoding . $encoded_text)+6)); //+6 是前面去掉的 =????= 六個字符    switch ($encoding) {    case Q:    case q:      //$encoded_text = str_replace(_, %20, $encoded_text);      //$encoded_text = str_replace(=, %, $encoded_text);      //$decoded = urldecode($encoded_text);    $decoded=quoted_printable_decode($encoded_text);      if (strtolower($charset) == windows-1251) {      $decoded = convert_cyr_string($decoded, w, k);      }      break;    case B:    case b:      $decoded = base64_decode($encoded_text);      if (strtolower($charset) == windows-1251) {      $decoded = convert_cyr_string($decoded, w, k);      }      break;    default:      $decoded = =? . $charset . ? . $encoding . ? . $encoded_text . ?=;      break;    }    return $preceding . $decoded . $this->decode_mime($rest);   }   這個函數用瞭遞歸的方法來實現一段包含有如上的 Subject 段的字符的解碼。程序中已經加上瞭註釋。相信有點PHP 編程基礎的人都能夠看得明白。該函數也是調用的base64_decode()與quoted_printable_decode()兩個系統函數實現的解碼,但是需要對郵件源文件進行大量的字符串的分析。不過,PHP 的字符串操作可以算是所有語言裡最為方便自由的。函數的最後return $preceding . $decoded . $this->decode_mime($rest); 實現遞歸解碼,因為這個函數實際上是放在後面要介紹的一個 MIME解碼的類中的,所以用瞭 $this->decode_mime($rest)這種形式的調用方法。   下面我們來看正文。這裡關系到 MIME 的一些頭信息,我們先做一個簡單的介紹(如果讀者有興趣瞭解更多的內容,請參考 MIME 的官方文檔)。   MIME-Version: 1.0   表示使用的 MIME 的版本號,一般是1.0;   Content-Type: 定義瞭正文的類型,我們實際上是通過這個標識來知道正文內是什麼類型的文件,比如: text/plain 表示的是無格式的文本正文, text/html 表示的 Html 文檔, image/gif 表示的是 gif 格式的圖片等等。   在本文中特別要說明一下的是郵件中常用到的復合類型。multipart 類型表示正文是由多個部分組成的,後面的子類型說明的是這些部分之間的關系,郵件中用到的三個類型有, multipart/alternative:表示正文由兩個部分組成,可以選擇其中的任意一個。主要作用是在征文同時有 text 格式和 html 格式時,可以在兩個正文中選擇一個來顯示,支持 html 格式的郵件客戶端軟件一般會顯示其 HTML 正文,而不支持的則會顯示其 Text 正文; multipart/mixed :表示文檔的多個部分是混合的,指正文與附件的關系。如果郵件的 MIME 類型是 multipart/mixed,即表示郵件帶有附件; multipart/related :表示文檔的多個部分是相關的,一般用來描述 Html 正文與其相關的圖片。   這些復合類型又是可以嵌套使用的,比如說一個帶有附件的郵件,同時有 html 與 text 兩種格式的正文,則郵件的結構是:   Content-Type: multipart/mixed    部分一:    Content Type : multipart/alternative:    Text 正文;    Html 格式的正文    部分二:    附件   郵件結束符;   由於復合類型由多個部分組成,因此,需要一個分隔符來分隔這多個部分,這就是上面的郵件源文件中的boundary="—-=_NextPart_000_0007_01C03166.5B1E9510"所描述的,對於每一個Contect type :multipart/* 的內容,都會有這麼一個說明,表示多個部分之間的分隔,這個分隔符是正文中不可能出現的一串古字符的組合,在文檔中,以 "–" 加上這個boundary 來表示一個部分的開始,在文檔的結束,以"–"加boundary再在最後加上 "–" 來表示文檔的結束。由於復合類型是可以嵌套使用的,因此,郵件中可能會多個 boundary 。   還有一個最重要的 MIME 頭標簽:   Content-Transfer-Encoding: base64 它表示瞭這個部分文檔的編碼方式,也就是我們上面所介紹的Base64或QP(Quote-Printable)。我們隻有識別瞭這個說明,才能用正確的解碼方式實現對其解碼。   限於篇幅,對於 MIME 的介紹就隻說到這裡。下面我將給出一個解碼MIME郵件的類,並對其做簡要說明。

發佈留言