用PHP實現POP3郵件的解碼（二）

2008-12-23 08:12:50  編輯來源:互聯網  简体版  手機版  評論  字體: 小|中|大

 

　　MIME 編碼方式簡介

　　Subject: =?gb2312?B?xOO6w6Oh?=

　　這裏是郵件的主題，可是因爲編碼了，我們看不出是什麽內容，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爲 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 ，但是由于 MIME 協議算法簡單，並且易于擴展，現在已經成爲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，而且擴展了很多基于MIME 的應用。從編碼方式來說，MIME 定義了兩種編碼方法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，實際用到的都只有前面6 bit，這樣就不存在只能傳輸 7bit 的字符的問題了。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，通常縮寫爲「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 裏，系統有兩個函數可以很方便地實現解碼：base64_decode（）與quoted_printable_decode（），前者可用于base64 編碼的解碼，後者是用于 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，只有部分是編碼了的，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，並做了少量的修改，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 之間是編碼了的內容：=> $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);

　　}

　　這個函數用了遞歸的方法來實現一段包含有如上的 Subject 段的字符的解碼。程序中已經加上了注釋。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裏最爲方便自由的。函數的最後return $preceding . $decoded . $this->decode_mime($rest); 實現遞歸解碼，因爲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，所以用了 $this->decode_mime($rest)這種形式的調用方法。

　　下面我們來看正文。這裏關系到 MIME 的一些頭信息，我們先做一個簡單的介紹（如果讀者有興趣了解更多的內容，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: 定義了正文的類型，我們實際上是通過這個標識來知道正文內是什麽類型的文件，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複合類型。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。

　　這些複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；

　　由于複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，對于每一個Contect type :multipart/* 的內容，都會有這麽一個說明，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。由于複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 它表示了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)。我們只有識別了這個說明，才能用正確的解碼方式實現對其解碼。

　　限于篇幅，對于 MIME 的介紹就只說到這裏。下面我將給出一個解碼MIME郵件的類，並對其做簡要說明。

 

MIME 編碼方式簡介 　　Subject: =?gb2312?B?xOO6w6Oh?= 　　這裏是郵件的主題，可是因爲編碼了，我們看不出是什麽內容，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爲 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 ，但是由于 MIME 協議算法簡單，並且易于擴展，現在已經成爲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，而且擴展了很多基于MIME 的應用。從編碼方式來說，MIME 定義了兩種編碼方法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，實際用到的都只有前面6 bit，這樣就不存在只能傳輸 7bit 的字符的問題了。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，通常縮寫爲「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 裏，系統有兩個函數可以很方便地實現解碼：base64_decode（）與quoted_printable_decode（），前者可用于base64 編碼的解碼，後者是用于 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，只有部分是編碼了的，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，並做了少量的修改，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 之間是編碼了　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); 　　} 　　這個函數用了遞歸的方法來實現一段包含有如上的 Subject 段的字符的解碼。程序中已經加上了注釋。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裏最爲方便自由的。函數的最後return $preceding . $decoded . $this->decode_mime($rest); 實現遞歸解碼，因爲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，所以用了 $this->decode_mime($rest)這種形式的調用方法。 　　下面我們來看正文。這裏關系到 MIME 的一些頭信息，我們先做一個簡單的介紹（如果讀者有興趣了解更多的內容，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: 定義了正文的類型，我們實際上是通過這個標識來知道正文內是什麽類型的文件，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複合類型。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。 　　這些複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； 　　由于複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，對于每一個Contect type :multipart/* 的內容，都會有這麽一個說明，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。由于複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 它表示了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)。我們只有識別了這個說明，才能用正確的解碼方式實現對其解碼。 　 限于篇幅，對于 MIME 的介紹就只說到這裏。下面我將給出一個解碼MIME郵件的類，並對其做簡要說明。