通过 bash 从文件中检索电子邮件主题

Question

我有一个 shell 脚本，它将文件从服务器邮件文件夹下载到 NAS 设备，以便客户端拥有本地备份的副本。

文件保存为11469448248.H15587P19346.smtp.x14.eu_2,S文件。我已将扩展名更改为标准 .eml 格式，以便电子邮件客户端可以从光盘读取它们。

for f in *.smtp.x14.eu_2,S; do
#sed "9q;d" $f
#tail -n+9 $f | head -n1
mv -- "$f" "${f%.smtp.x14.eu_2,S}.eml";
done

正如您所看到的，我尝试使用sed和tail命令从文件中获取第 9 行；问题是主题并不总是在第 9 行，并且文件名并没有说明其大部分内容。

我正在尝试使文件名采用易于理解的格式，因此我认为该主题可能会有所帮助。

电子邮件文件的第 n 行是以主题开头的行： PD：主题

我试图找到这一行，去掉主题：PD：并将其余部分保留为 ne 文件名

Answer 1

以下是错误的，但实现了您似乎要求的内容。

subj=$(sed -n '/^Subject: PD *//!d;p;q;/^$/q' "$f")

这样做的问题是，它在普通情况下会成功，但当您有 MIME RFC2047 编码的Subject:标头时，以及（更简单地）当Subject:标头跨越多于一行时，它会失败。

我会用一种稍微现代的编程语言来解决这个问题。这并不完全是一句简单的话，但使用 Python 就足够简单了。

subj=$(./emailsubj.py "$f")

其中emailsubj.py包含或多或少类似的东西

#!/usr/bin/env python
from email.parser import Parser
from email.header import Header, decode_header
from sys import argv

for filename in argv[1:]:
    with open(filename, 'rb') as handle:  # handle file not found etc?
        message = Parser().parse(handle)
    try:
        subj = ''.join([frag.decode(enc) if enc else frag
            for frag, enc in decode_header(message['subject'])])
    except HeaderParseError, UnicodeDecodeError:
        subj = message['subject']   # maybe warn about error?
    print(subj)

（显然，请记住chmod +x emailsubj.py。）

这会检索整个Subject:标头，对于模块化工具来说似乎是一个很好的设计。如果您想在提取标头后删除前缀，shell 有简单的参数扩展工具可以做到这一点。例如，

echo "${subj#PD:\ }"

显示从值前面删除$subj任何前缀的值。PD:

上面是为 Python 2.7 编写的。在 Python 3.6+ 中，一个更简单的版本就足够了。下面练习了 Python 3.6+ 改进的email库（暂时需要您命名一个显式的policy, 但是），它更加简单且更加通用。

from email import message_from_binary_file
from email.policy import default

from sys import argv

for filename in argv[1:]:
    with open(filename, 'rb') as handle:  # handle file not found etc?
        message = message_from_binary_file(handle, policy=default)
    print(message['subject'])

使用 Python 3，任何正常平台上的输出都应该可以通过print. 当然，如果您的终端无法打印 Unicode（在这种情况下您可能使用的是 Windows），它可能会因此失败。