PHP邮件解析在非ascii字符上阻塞

我使用Mailparse在MySQL数据库中解析和存储电子邮件。电子邮件通过管道直接发送到PHP脚本。发送到系统的电子邮件中有99%以上被正确解析。然而，我注意到一些电子邮件被截断了。问题似乎在于消息头和消息体之间的unicode字符

Delivered-To: nkafq123@gmail.com
Received: by 10.152.1.193 with SMTP id 1csp311490lao;
        Mon, 20 Oct 2014 05:33:31 -0700 (PDT)
Return-Path: <lunalono@telia.com>
Received: from vps4596.inmotionhosting.com (vps4596.inmotionhosting.com. [74.124.217.238])
        by mx.google.com with ESMTPS id fb7si7786786pab.30.2014.10.20.05.33.30
        for <nkafq123@gmail.com>
        (version=TLSv1 cipher=RC4-SHA bits=128/128);
        Mon, 20 Oct 2014 05:33:30 -0700 (PDT)
Message-ID: <14FBD481E1074C79A706F0C071746F3D@acerDator>
From: =?utf-8?Q?Annelen_geretschl=C3=A4ger?= <lunalono@telia.com>
To: "neokio" <nkafq123@gmail.com>
References: <CAEMnOreG=99=qx-ONib=g+3mCQnUHC2kgdu2uBdSav5WP303BA@mail.gmail.com>
In-Reply-To: <CAEMnOreG=99=qx-ONib=g+3mCQnUHC2kgdu2uBdSav5WP303BA@mail.gmail.com>
Subject: This message will be broken
Date: Mon, 20 Oct 2014 14:33:24 +0200
MIME-Version: 1.0
Content-Type: multipart/alternative;
    boundary="----=_NextPart_000_0018_01CFEC72.CE424470"
X-Priority: 3
X-MSMail-Priority: Normal
Importance: Normal
X-Mailer: Microsoft Windows Live Mail 14.0.8117.416
X-MimeOLE: Produced By Microsoft MimeOLE V14.0.8117.416
X-Source: 
X-Source-Args: 
X-Source-Dir: 

Det här är ett flerdelat meddelande i MIME-format.

------=_NextPart_000_0018_01CFEC72.CE424470
Content-Type: text/plain;
    charset="utf-8"
Content-Transfer-Encoding: quoted-printable

This is a test ... the above "Det här är" chunk will be cut off at "Det h", and nothing else will arrive.

------=_NextPart_000_0018_01CFEC72.CE424470

交付给：nkafq123@gmail.com
收到日期：193年1月10日，SMTP id为1csp311490lao；
2014年10月20日星期一05:33:31-0700（太平洋时间）
返回路径：
收到：来自vps4596.inmotionhosting.com（vps4596.inmotionhosting.com。[74.124.217.238]）
由mx.google.com提供，ESMTPS id为fb7si7786786pab.30.2014.10.20.05.33.30
对于
（版本=TLSv1密码=RC4-SHA位=128/128）；
2014年10月20日星期一05:33:30-0700（太平洋时间）
消息ID:
From:=？utf-8？Q？Annelen_geretschl=C3=A4ger？=
致：“新桥”
参考资料：
答复：
主题：此消息将被破坏
日期：2014年10月20日星期一14:33:24+0200
MIME版本：1.0
内容类型：多部分/备选；
boundary=“---=\u下一部分\u 000\u 0018\u 01CFEC72.CE424470”
X优先级：3
X-MSMail-Priority：正常
重要性：正常
X-Mailer:Microsoft Windows Live Mail 14.0.8117.416
X-MimeOLE：由Microsoft MimeOLE V14.0.8117.416制作
X源：
X源参数：
X源目录：
Det härärärett flerdelat meddelande i MIME格式。
------=\u下一部分\u 000\u 0018\u 01CFEC72.CE424470
内容类型：文本/纯文本；
charset=“utf-8”
内容传输编码：引用可打印
这是一个测试。。。上面的“Det härär”块将在“Det h”处被切断，其他任何内容都不会到达。
------=\u下一部分\u 000\u 0018\u 01CFEC72.CE424470

上面的内容将在标题之后被裁剪，到达的只是“Det h”。不知何故，当非ascii字符（ü）位于头或多部分包装器之外时，它们会导致mailparse阻塞。这可能是客户端正在使用的Microsoft Windows Live Mail的5年瑞典版本，弄乱了邮件头等等，但这不是借口，我需要能够接收它

我正在运行PHP5.4.30，它在PHP.ini中有

default\u charset=“utf-8”

。但是我注意到，默认情况下，

phpinfo（）

具有

mailparse.def_charset=“us ascii”

，即使php.ini中没有配置它。添加行并将其设置为“utf8”后，

phpinfo（）

正确显示utf-8。然而，错误依然存在。我没有主意了

---

关于如何处理这个错误有什么建议吗？

只是我在评论中提到的一个想法。。。此部分与消息的部分相关。如果由于某种原因解码失败，则返回“原样”内容。您可以尝试根据

$headers['transfer-encoding']对其进行解码或使其保持不变
$email
是一个完整的邮件源，带有标题<代码>$section

是通过

mailparse\u msg\u get\u part

获取的数据（手册、示例、谷歌）

结果（经过一些操作后，因为我只留下实际需要的标题）

---

嗯，很有趣。我还编写了一个邮件列表引擎，它使用

mailparse

解析源代码。是的，它在那个地方窒息了。。我有一个问题——你从哪里得到这个信息的？它不符合标准，因为

引用的可打印

文本版本应该是

这是一个测试。。。上面的“Det h=C3=A4r=C3=A4r”区块将在“Det h”处被截断，其他内容将不会到达。

-尝试使用它而不是字符串。是的，输出告诉相同的-

警告：mailparse\u msg\u extract\u part（）-筛选器转换失败。输入消息的编码可能不正确

。您可以根据每个部分的

mailparse\u msg\u get\u part\u data

标题中的数据，直接从文件中提取正文，但您必须自己解码。您的编码是正确的，我只是在其中添加了这一点作为参考问题的注释。正如你所指出的：）我在这里仍然不知所措。在我看来，解析器的工作是更能容忍格式错误的MIME结构，特别是像unicode变体这样简单的东西。这只发生在收到的1%的电子邮件中的一小部分。。。使用有缺陷的电子邮件客户端的用户（本例中为Microsoft Windows Live）。但它仍然太高，不容忽视。我很高兴您看到了错误，这告诉我这不是我的实现的错：）唯一的方法，可能是按原样提取消息部分的内容（很容易），而不是使用

quoted\u printable\u decode

函数（如果设置了相应的编码），它不关心编码问题。

$headers = mailparse_msg_get_part_data($section);
$content = '';

set_error_handler(function() use(&$content, $headers, $email){
     $start   = $headers['starting-pos-body'];
     $end     = $headers['ending-pos-body'];
     $content = substr($email, $start, $end - $start);
});

ob_start();
mailparse_msg_extract_part($section, $email);
$body = ob_get_clean();

restore_error_handler();

if (!empty($content)) $body = $content;

["charset"]=>
string(5) "utf-8"
["content-charset"]=>
string(5) "utf-8"
["content-type"]=>
string(10) "text/plain"
["content"]=>
string(108) "This is a test ... the above "Det här är" chunk will be cut off at "Det h", and nothing else will arrive. "