对非ASCII字符PHP Mailparse扼流圈
我使用Mailparse解析和存储电子邮件在MySQL数据库。电子邮件直接传送到PHP脚本。超过99％的电子邮件被正确解析。但是，我注意到一些电子邮件正在被截断。看来问题是邮件的标题和正文之间的Unicode字符...对非ASCII字符PHP Mailparse扼流圈
Delivered-To: [email protected]
Received: by 10.152.1.193 with SMTP id 1csp311490lao;
Mon, 20 Oct 2014 05:33:31 -0700 (PDT)
Return-Path: <[email protected]>
Received: from vps4596.inmotionhosting.com (vps4596.inmotionhosting.com. [74.124.217.238])
by mx.google.com with ESMTPS id fb7si7786786pab.30.2014.10.20.05.33.30
for <[email protected]>
(version=TLSv1 cipher=RC4-SHA bits=128/128);
Mon, 20 Oct 2014 05:33:30 -0700 (PDT)
Message-ID: <[email protected]>
From: =?utf-8?Q?Annelen_geretschl=C3=A4ger?= <[email protected]>
To: "neokio" <[email protected]>
References: <[email protected]om>
In-Reply-To: <[email protected]om>
Subject: This message will be broken
Date: Mon, 20 Oct 2014 14:33:24 +0200
MIME-Version: 1.0
Content-Type: multipart/alternative;
boundary="----=_NextPart_000_0018_01CFEC72.CE424470"
X-Priority: 3
X-MSMail-Priority: Normal
Importance: Normal
X-Mailer: Microsoft Windows Live Mail 14.0.8117.416
X-MimeOLE: Produced By Microsoft MimeOLE V14.0.8117.416
X-Source:
X-Source-Args:
X-Source-Dir:
Det här är ett flerdelat meddelande i MIME-format.
------=_NextPart_000_0018_01CFEC72.CE424470
Content-Type: text/plain;
charset="utf-8"
Content-Transfer-Encoding: quoted-printable
This is a test ... the above "Det här är" chunk will be cut off at "Det h", and nothing else will arrive.
------=_NextPart_000_0018_01CFEC72.CE424470
上面只是头后，将获得裁剪，和所有的到来是“挪威H”。不知何故，非ASCII字符（ü）导致mailparse在头文件或多部分包装器外部窒息。这可能是客户端使用的Microsoft Windows Live Mail的5年历史的瑞典版本，弄乱了标题等，但这不是理由，我需要能够接收它。
我正在运行PHP 5.4.30，它在php.ini中有default_charset = "utf-8"。但我注意到phpinfo()默认为mailparse.def_charset = "us-ascii"，即使php.ini中没有配置它。添加该行并将其设置为“utf8”后，phpinfo()正确显示utf-8。但是，错误仍然存在。我没有想法。
有关如何处理此错误的任何建议？
只是我在评论中提到的想法......这部分与消息部分有关。如果由于某种原因解码失败，则内容按原样返回。您可以尝试基于$headers['transfer-encoding'];对其进行解码，或者保持原样。 $email是带有标题的完整消息源。 $section是mailparse_msg_get_part（手动，例子，谷歌）获得的数据
$headers = mailparse_msg_get_part_data($section);
$content = '';
set_error_handler(function() use(&$content, $headers, $email){
$start = $headers['starting-pos-body'];
$end = $headers['ending-pos-body'];
$content = substr($email, $start, $end - $start);
});
ob_start();
mailparse_msg_extract_part($section, $email);
$body = ob_get_clean();
restore_error_handler();
if (!empty($content)) $body = $content;
结果（一些操作后，我只能留下，我确实需要头）
["charset"]=> string(5) "utf-8" ["content-charset"]=> string(5) "utf-8" ["content-type"]=> string(10) "text/plain" ["content"]=> string(108) "This is a test ... the above "Det här är" chunk will be cut off at "Det h", and nothing else will arrive. "
伟大的解决方案，谢谢:) – neokio 2014-10-21 09:48:28
嗯，有趣。我还在编写邮件列表引擎，并使用'mailparse'解析源代码。是的，它在那个地方窒息..也会尝试找到解决方案） – Cheery 2014-10-20 21:50:01
我有一个问题 - 你从哪里得到这个消息？它不符合标准，因为引用的文本版本应该是这是一个测试......上面的“Det h = C3 = A4r = C3 = A4r”块将在“Det h “，没有别的东西会到达。” - 试试它，而不是你的字符串。 – Cheery 2014-10-20 21:58:10
是的，输出告诉相同的 - 警告：mailparse_msg_extract_part（） - 过滤器转换失败。输入消息可能是错误编码的。您可以根据每个部分的'mailparse_msg_get_part_data'标题中的数据直接从文件中提取主体，但是您必须自己对其进行解码。 – Cheery 2014-10-20 23:33:10