9

Ruby mail gemを使用して電子メール文字列を解析しようとしていますが、文字エンコーディングに苦労しています。次のメールを受け取ってください。

MIME-Version: 1.0
Sender: foobar@example.com
Received: by 10.142.239.17 with HTTP; Thu, 14 Jun 2012 06:00:18 -0700 (PDT)
Date: Thu, 14 Jun 2012 09:00:18 -0400
Delivered-To: foobar@gmail.com
X-Google-Sender-Auth: MxfFrMybNjBoBt4O4GwAn9cMsko
Message-ID: <CAGErOzF3FV5NvzN3zUpLGPok96SFzK18Z4HerzyYNALnzgMVaA@mail.gmail.com>
Subject: Re: [Lorem Ipsum] Foo updated the forum topic 'Reply by email test'
From: Foo Bar <foo@example.com>
To: Foo <c49964d167e08e7d4a1930e6565f23c258be19a0@foo.example.com>
Content-Type: text/plain; charset=ISO-8859-1
Content-Transfer-Encoding: quoted-printable

This email has accents:=A0R=E9sum=E9
>
> --------- Reply Above This Line ------------
>
> Email parsing with accents: R=E9sum=E9
>
> Click here to view this post in your browser

適切にエンコードされた場合、メール本文は次のようになります。

This reply has accents: Résumé
>
> --------- Reply Above This Line ------------
>
> Email parsing with accents: Résumé
>
> Click here to view this post in your browser

しかし、私は実際にアクセント記号を取得するのに非常に苦労しています。これが私が試したことです：

message = Mail.new(email_string)
body = message.body.decoded

これにより、次のように始まる文字列が得られます。

This reply has accents:\xA0R\xE9sum\xE9\r\n>\r\n> --------- Reply Above This Line ------------

最後に、私はこれを試します：

body.encoding # => <Encoding:ASCII-8BIT>
body.encode("UTF-8") # => Encoding::UndefinedConversionError: "\xA0" from ASCII-8BIT to UTF-8

これに対処する方法について何か提案はありますか？メールの「charset=ISO-8859-1」設定に関係していると確信していますが、その使用方法や、mail gem を使用して簡単に抽出する方法があるかどうかはわかりません。

4

2 に答える 2

18

少し遊んだ後、私はこれを見つけました：

body.decoded.force_encoding("ISO-8859-1").encode("UTF-8") # => "This reply has accents: Résumé..."
message.parts.map { |part| part.decoded.force_encoding("ISO-8859-1").encode(part.charset) } # multi-part

このようにメッセージから文字セットを抽出できます。

message.charset #=> for simple, non-multipart
message.parts.map { |part| part.charset } #=> for multipart, each part can have its own charset

以下の場合に問題が発生する可能性があるため、非マルチパートには注意してください。

body.charset #=> returns "US-ASCII" which is WRONG!
body.force_encoding(body.charset).encode("UTF-8") #=> Conversion error...

body.force_encoding(message.charset).encode("UTF-8") #=> Correct conversion :)
于 2012-06-14T18:54:31.593 に答える
0

これは私にはうまくいきませんでした。

基本的に、エンコーディングのデフォルトを追加し、出力を適切な文字列に微調整する必要がありました。 https://stackoverflow.com/a/26604049/2386548

于 2014-10-28T08:36:48.093 に答える