C# 从引用的回复解析电子邮件内容

我试图找出如何从任何引用的回复文本中解析出电子邮件的文本。我注意到，通常情况下，电子邮件客户会在“某某写的某某日期”或在行前加上尖括号。不幸的是，并不是每个人都这样做。有人知道如何以编程方式检测回复文本吗？我正在使用C#编写这个解析器。

电子邮件中没有回复的通用指示符。您所能做的最好的事情就是尝试捕捉最常见的模式，并在遇到新模式时解析它们

---

请记住，有些人会在引用的文本中插入回复（例如，我的老板会在我问他们的同一行上回答问题），因此无论你做什么，你都可能会丢失一些你想保留的信息。

我对此做了大量搜索，以下是我的发现。基本上有两种情况下，你这样做：当你有整个线程时，当你没有。我将其分为两类：

当您有线程时：

如果你有整个系列的电子邮件，你可以达到一个非常高的保证水平，你删除的实际上是引用文本。有两种方法可以做到这一点。首先，您可以使用消息的消息ID、回复ID和线程索引来确定单个消息、它的父消息以及它所属的线程。有关此操作的详细信息，请参阅、或。一旦你重新组装了线程，你就可以删除外部文本（比如To，From，CC等…行），你就完成了

如果您正在处理的邮件没有标题，您还可以使用相似性匹配来确定电子邮件的哪些部分是回复文本。在这种情况下，您必须进行相似性匹配以确定重复的文本。在这种情况下，您可能需要研究一个诸如或之类的问题

不管怎样，如果您对线程过程感兴趣，请查看

当您没有线程时：

如果你只被一条来自该线程的消息所困扰，那么你必须试着猜测该引用是什么。在这种情况下，我看到的不同报价方法如下：

一行（如outlook中所示）

尖括号

“--原始消息--”

某日某某写下：

---

删除下面的文本，就完成了。这些方法的缺点是，它们都假设发送者将其回复放在引用文本的顶部，而不是交错（就像互联网上的旧样式一样）。如果真是这样，祝你好运。我希望这对你们中的一些人有所帮助

首先，这是一项棘手的任务

您应该从不同的电子邮件客户端收集典型的响应，并准备正确的正则表达式（或其他什么）来解析它们。我收集了来自outlook、thunderbird、gmail、apple mail和mail.ru的回复

我使用正则表达式以以下方式解析响应：如果表达式不匹配，我将尝试使用下一个表达式

new Regex("From:\\s*" + Regex.Escape(_mail), RegexOptions.IgnoreCase);
new Regex("<" + Regex.Escape(_mail) + ">", RegexOptions.IgnoreCase);
new Regex(Regex.Escape(_mail) + "\\s+wrote:", RegexOptions.IgnoreCase);
new Regex("\\n.*On.*(\\r\\n)?wrote:\\r\\n", RegexOptions.IgnoreCase | RegexOptions.Multiline);
new Regex("-+original\\s+message-+\\s*$", RegexOptions.IgnoreCase);
new Regex("from:\\s*$", RegexOptions.IgnoreCase);

以下是我收集的一小部分测试响应（样本除以--）：

来自：test@test.com[邮寄至：test@test.com] 
发送日期：2009年1月13日星期二下午1:27
----
2008/12/26 
>正文
----
test@test.com写的：
>正文
----
test@test.com写：文本
文本
----
2009/1/13 
>正文
----
test@test.com写：文本
文本
----
2009/1/13 
>正文
>正文
----
2009/1/13 
>正文
>正文
----
test@test.com写的：
>正文
>正文
----
---2009年1月23日，星期五，test@test.com写的：
>正文
>正文

---

致以最诚挚的问候，Oleg Yaroshevych

如果您控制原始消息（例如来自web应用程序的通知），您可以将一个独特的、可识别的头放在适当的位置，并将其用作原始帖子的分隔符。

谢谢您，Goleg！真的很有帮助。这不是C#，但对于谷歌人来说，这是我的Ruby解析脚本：

def extract_reply(text, address)
    regex_arr = [
      Regexp.new("From:\s*" + Regexp.escape(address), Regexp::IGNORECASE),
      Regexp.new("<" + Regexp.escape(address) + ">", Regexp::IGNORECASE),
      Regexp.new(Regexp.escape(address) + "\s+wrote:", Regexp::IGNORECASE),
      Regexp.new("^.*On.*(\n)?wrote:$", Regexp::IGNORECASE),
      Regexp.new("-+original\s+message-+\s*$", Regexp::IGNORECASE),
      Regexp.new("from:\s*$", Regexp::IGNORECASE)
    ]

    text_length = text.length
    #calculates the matching regex closest to top of page
    index = regex_arr.inject(text_length) do |min, regex|
        [(text.index(regex) || text_length), min].min
    end

    text[0, index].strip
end

def extract_回复（文本、地址）
regex_arr=[
Regexp.new（“From:\s*”+Regexp.escape（address），Regexp:：IGNORECASE），
Regexp.new（“，Regexp:：IGNORECASE），
Regexp.new（Regexp.escape（地址）+“\s+写：”，Regexp:：IGNORECASE），
Regexp.new（“^.*On.*（\n）？写：$”，Regexp:：IGNORECASE），
Regexp.new（“-+原始\s+消息-+\s*$”，Regexp:：IGNORECASE），
new（“from:\s*$”，Regexp:：IGNORECASE）
]
text_length=text.length
#计算最接近页面顶部的匹配正则表达式
索引=正则表达式arr.inject（文本长度）do | min，正则表达式|
[（text.index（regex）| | text_长度），min].min
结束
文本[0，索引].strip
结束

---

到目前为止，它运行得非常好。

到目前为止，最简单的方法是在内容中放置一个标记，例如：

---请在这一行以上回复---

毫无疑问，您已经注意到，解析引用的文本并不是一项简单的任务，因为不同的电子邮件客户端以不同的方式引用文本。为了正确地解决这个问题，您需要在每个电子邮件客户端中进行帐户和测试

Facebook可以做到这一点，但除非你的项目预算很大，否则你可能无法做到

Oleg已经解决了使用正则表达式查找“文本”的问题。2012年7月13日13:09，xxx写道：“文本。但是，如果用户像许多人一样删除此文本或在电子邮件底部回复，此解决方案将无法工作

同样，如果电子邮件客户端使用不同的日期字符串，或者不包含日期字符串，正则表达式将失败。

这是我的C版本的@hurshagrawal的Ruby代码。我不太了解Ruby，所以可能会关机，但我想我是对的

public string ExtractReply(string text, string address)
{
    var regexes = new List<Regex>() { new Regex("From:\\s*" + Regex.Escape(address), RegexOptions.IgnoreCase),
                        new Regex("<" + Regex.Escape(address) + ">", RegexOptions.IgnoreCase),
                        new Regex(Regex.Escape(address) + "\\s+wrote:", RegexOptions.IgnoreCase),
                        new Regex("\\n.*On.*(\\r\\n)?wrote:\\r\\n", RegexOptions.IgnoreCase | RegexOptions.Multiline),
                        new Regex("-+original\\s+message-+\\s*$", RegexOptions.IgnoreCase),
                        new Regex("from:\\s*$", RegexOptions.IgnoreCase),
                        new Regex("^>.*$", RegexOptions.IgnoreCase | RegexOptions.Multiline)
                    };

    var index = text.Length;

    foreach(var regex in regexes){
        var match = regex.Match(text);

        if(match.Success && match.Index < index)
            index = match.Index;
    }

    return text.Substring(0, index).Trim();
}

public string ExtractReply（字符串文本、字符串地址）
{
var regexes=new List（）{new Regex（“From:\\s*”+Regex.Escape（address），RegexOptions.IgnoreCase），
新正则表达式（“，RegexOptions.IgnoreCase），
新正则表达式（正则表达式转义（地址）+“\\s+wrot
def extract_reply(text, address)
    regex_arr = [
      Regexp.new("From:\s*" + Regexp.escape(address), Regexp::IGNORECASE),
      Regexp.new("<" + Regexp.escape(address) + ">", Regexp::IGNORECASE),
      Regexp.new(Regexp.escape(address) + "\s+wrote:", Regexp::IGNORECASE),
      Regexp.new("^.*On.*(\n)?wrote:$", Regexp::IGNORECASE),
      Regexp.new("-+original\s+message-+\s*$", Regexp::IGNORECASE),
      Regexp.new("from:\s*$", Regexp::IGNORECASE)
    ]

    text_length = text.length
    #calculates the matching regex closest to top of page
    index = regex_arr.inject(text_length) do |min, regex|
        [(text.index(regex) || text_length), min].min
    end

    text[0, index].strip
end

public string ExtractReply(string text, string address)
{
    var regexes = new List<Regex>() { new Regex("From:\\s*" + Regex.Escape(address), RegexOptions.IgnoreCase),
                        new Regex("<" + Regex.Escape(address) + ">", RegexOptions.IgnoreCase),
                        new Regex(Regex.Escape(address) + "\\s+wrote:", RegexOptions.IgnoreCase),
                        new Regex("\\n.*On.*(\\r\\n)?wrote:\\r\\n", RegexOptions.IgnoreCase | RegexOptions.Multiline),
                        new Regex("-+original\\s+message-+\\s*$", RegexOptions.IgnoreCase),
                        new Regex("from:\\s*$", RegexOptions.IgnoreCase),
                        new Regex("^>.*$", RegexOptions.IgnoreCase | RegexOptions.Multiline)
                    };

    var index = text.Length;

    foreach(var regex in regexes){
        var match = regex.Match(text);

        if(match.Success && match.Index < index)
            index = match.Index;
    }

    return text.Substring(0, index).Trim();
}

//Works for Gmail
new Regex("\\n.*On.*<(\\r\\n)?" + Regex.Escape(address) + "(\\r\\n)?>", RegexOptions.IgnoreCase),
//Works for Outlook 2010
new Regex("From:.*" + Regex.Escape(address), RegexOptions.IgnoreCase),