Email 如何使用procmail和命令行工具对非英语电子邮件进行分类？

我订阅了一个邮件列表，其中一些邮件是我无法理解的非英语邮件

如何使用

procmail

和/或命令行工具将非英语邮件过滤到

/dev/null

我使用

procmail

来过滤我的电子邮件，因此理想情况下，任何替代工具都需要

procmail

配方

---

我宁愿不必训练自己的语言模型。

一种方法是使用来自的perl包

text\u cat

脚本为邮件输出最可能的语言。此配方假定已在

/usr/local/bin

下安装了

text\u cat

下面是一个调用

text\u cat

脚本的简单

procmail

方法：

:0
* ^Subject.*Jobs.*Board
{
    LANG_=`/usr/local/bin/text_cat`

    :0
    * ! LANG ?? ^english$
    /dev/null

    :0
    jobs/
}

几年来我一直在运行text_cat。没有任何非英语邮件被归类为英语，也就是说，没有误报。我没有严格检查假阴性

---

第二种方法，如在评论中提到的，是使用提供的语言分类，该分类还使用text_cat脚本。Spamassassin将打开任何MIME传输编码，而上面的香草文本_cat版本不会

下面是一个未完全测试的

procmail

配方，用于在spamassassin

X-Spam-Languages

标题上进行过滤：

:0
* ^Subject.*Jobs.*Board
{    
    # Delete non-english language emails using spamassassin header
    # Test for not X-Spam-Languages: en
    :0
    * !^X-Spam-Languages: en$
    foreign/

    # Save english language mails in folder
    :0
    jobs/
}

警告：spamassassin偶尔会提供多种语言分类，如：

X-Spam-Languages: en da ro

上面的配方并没有说明这一点

Spamassassin语言分类配置

编辑

/etc/spamassassin/v310.pre

并取消注释以下行：

loadplugin Mail::SpamAssassin::Plugin::TextCat

在

/etc/spamassassin/local.cf

中配置插件：

ok_languages en       # I understand english
inactive_languages '' # Enable all languages
add_header all Languages _LANGUAGES_
# score UNWANTED_LANGUAGE_BODY 5 # Increase score - not necessary and not recommended 

该配方使用spamassassin版本3.4.2进行了不完全测试

---

---

为了使这些答案适用于排除不同的语言，需要在第一种情况下用另一种语言替换

英语

，在第二种情况下用另两个字符的语言代码替换

英语

。

许多现代电子邮件客户端识别电子邮件的字符集，虽然通常不是它的语言。如果您想丢弃日文、中文、韩文和俄文消息，可以尝试以下方法

:0HB
* ^Content-type:[  ]*text/[/;]*;[  ]*charset="?(iso-2022|ks-c|gb|koi|cp-1251)
foreign

---

因为有些客户在用英语书写时忘记更改字符集，这可能会产生一些误报，所以我建议将其保存到文件夹中并定期查看。相反的问题更难解决；许多外国语言使用与英语相同的字符集，因此无法像这样可靠地识别。

请记住，TextCat提供的模型非常粗糙，无法很好地区分丹麦语和挪威语或塞尔维亚语和俄语。还有其他类似界面的语言识别工具，或者你可以训练自己的TextCat模型。很高兴知道，但我对英语和其他所有东西都感兴趣。我不想训练自己的模型（我已经相应地更新了我的问题）。另一个问题是TextCat本身对电子邮件编码一无所知。你可能更喜欢使用像SpamAssassin这样的邮件感知过滤器，它包括一个集成的TextCat分支，但也负责在运行它之前打开任何MIME传输编码。

formail-a

不仅仅是为了评估

$LANG

@makeyourownmaker的值，这不是我的意思。Procmail使用语法

variablename？？？

来测试变量的值。参考manpage procmailrc（5）。这是一个有用的答案（我投了更高的票），但考虑到您列出的限制，我倾向于接受我的答案（假设这是可能的，并且只有在一两周内没有更好的答案的情况下）。您可以在一段时间后接受自己的答案（IIRC两天）如果有更好的答案出现，请稍后更改已接受的答案。在这一点上，我同意你的答案是更好的。调整它以使用SpamAssassin应该是相当简单的。我已经添加了一些使用SpamAssassin配置语言分类的指针。我已经修改了我以前的procmail配方，以使用spamassassin语言标题。