Всем привет, такой вопрос: Как распарсить тему почты если она состоит из 2х частей? так например: =?UTF-8?Q?=D0=A2=D0=B5=D0=BC=D0=B0=20=D0=BD=D0=B0=20=D1=80=D1=83?= =?UTF-8?Q?=D1=81=D1=81=D0=BA=D0=BE=D0=BC=20=D0=B8=20=D0=B0=D0=BD=D0=B3?= =?UTF-8?Q?=D0=BB=D0=B8=D0=B9=D1=81=D0=BA=D0=BE=D0=BC=20=D1=8F=D0=B7=D1=8B?= =?UTF-8?Q?=D0=BA=D0=B0=D1=85=20korp-m=2Ecom?= так например в данной теме начало "=?UTF-8?Q?" встречается 4 раза В дркгом письме данная тема будет кодирована один раз. в итоге как правильно читать? Использовать костыль типа: первый раз отловить "=?UTF-8?Q?" что бы понять кодировку и метод шифрования, второй раз удалить все вхождения "=?UTF-8?Q?" и удалить их, и потом расшифровывать или все таки есть какой то метод проще?
Немного не понятно того, что ты хочешь сделать. Для начала, я бы посчитал сколько что-то встречается. В твоей варианте - это "=?UTF-8?Q?" с помощью регулярного выражения, а точнее http://php.net/manual/en/function.preg-match-all.php. Далее делаешь if условия и разбираешь строку подетально как тебе нужно опять же с регулярками. Других вариантов я не вижу. Может быть кто-то еще подскажет.
Code: ~$ cat /tmp/x.pl use URI::Encode; $str = '=?UTF-8?Q?=D0=A2=D0=B5=D0=BC=D0=B0=20=D0=BD=D0=B0=20=D1=80=D1=83?= =?UTF-8?Q?=D1=81=D1=81=D0=BA=D0=BE=D0=BC=20=D0=B8=20=D0=B0=D0=BD=D0=B3?= =?UTF-8?Q?=D0=BB=D0=B8=D0=B9=D1=81=D0=BA=D0=BE=D0=BC=20=D1=8F=D0=B7=D1=8B?= =?UTF-8?Q?=D0=BA=D0=B0=D1=85=20korp-m=2Ecom?='; $uri = URI::Encode->new( { encode_reserved => 0 } ); while($str=~/[^\?]+\?=([^?]+)\?=/g) { $str2 = $1; $str2=~s/\=/\%/g; print $uri->decode("$str2")."\n"; } ~$ perl /tmp/x.pl D0�ема на ру D1�ском и анг D0�ийском язы D0�ах korp-m.com формат заголовков почты это отдельный изврат, даже знать не хочу как точно и по каким правилам он формируется, рекомендую читать маны
Гг. Когда-то тоже с этим сталкивался. Формат заголовков письма, на самом деле, не сложный. Он описан а RFC2047. Такое кодирование относится не только к теме, но и к другим заголовкам. В заголовках куски текста содержащие нестантартные символы должны кодироваться в таком формате: =?кодировка?формат?закодированный_текст?= Где: кодировка - кодовая таблица (например utf-8, windows-1251) формат - буква B или Q B означает способ кодирования base64 Q означает способ кодирования quoted printable Других форматов кроме B и Q нет, о чём нам говорит раздел 4 из RFC. Заголовки следует обрабатывать как простой текст, но всё что находится внутри =?кодировка?формат?закодированный_текст?= нужно раскодировать. Так как внутри этих блоков может быть текст в любой кодировке, например utf-8 а снаружи них стандартный ASCII то для простоты можно конвертировать декодированный текст этих блоков в какую-нибудь однобайтовую кодировку, например в windows-1251. Пример кода для расшифровки твоего текста: PHP: <?phpfunction decodeSubject($subject, $adjustToCp1251 = true){ $result = ''; $split = preg_split('/\s+/s', $subject); foreach ($split as $particle) { if ($particle === '') { continue; } if (!preg_match('/^\=\?([a-z0-9\_\.\-]{2,50})\?([bq])\?(.*)\?\=$/i', $particle, $matches)) { $result .= $particle; continue; } $charset = $matches[1]; $encoding = strtoupper($matches[2]); $encodedText = $matches[3]; if ($encoding === 'B') { $decodedText = base64_decode($encodedText); } elseif ($encoding === 'Q') { $decodedText = quoted_printable_decode($encodedText); } else { throw new Exception('WTF?'); } if ($adjustToCp1251) { $result .= iconv($charset, 'CP1251', $decodedText); } else { $result .= $decodedText; } } return $result;}$subj = '=?UTF-8?Q?=D0=A2=D0=B5=D0=BC=D0=B0=20=D0=BD=D0=B0=20=D1=80=D1=83?= =?UTF-8?Q?=D1=81=D1=81=D0=BA=D0=BE=D0=BC=20=D0=B8=20=D0=B0=D0=BD=D0=B3?= =?UTF-8?Q?=D0=BB=D0=B8=D0=B9=D1=81=D0=BA=D0=BE=D0=BC=20=D1=8F=D0=B7=D1=8B?= =?UTF-8?Q?=D0=BA=D0=B0=D1=85=20korp-m=2Ecom?=';$text = decodeSubject($subj);echo $text;
