Tips: procmailrc规则中的中文处理

leira — Thu, 16 Mar 2006 05:26:20 +0000

procmail有很方便的基于正则表达式的规则，非常强大。
处理英文字段自然OK，可是处理中文字段呢？直接打中文恐怕是肯定不可以了。比如分类Subject段包含“中国”的规则，如果写成：

* ^Subject.*中国

那就找不到了。因为procmail直接处理邮件文本，而邮件文本都是编码过的，Subject段是肯定不会直接出现“中国”字样。
一般邮件内容的编码常用的有两种，QuotedPrintable和Base64，下面分开说。

用文本编辑器直接打开mbox文件，在Subject段看到

=?utf-8?Q?Goowy=e9=82=ae=e4=bb=b6=e6=9c=8d=e5=8a=a1=e7=9a
=84flash=e7=95=8c=e9=9d=a2_=5bFlickr=5d?=

这样都是=间隔的，就是QuotePrintable编码了，其中头部=?utf-8?Q?中的Q也指出了这儿用的是QuotePrintable编码，utf-8不用解释，就是文本是utf-8编码的。以上的Subject段解码后是：

Goowy邮件服务的flash界面_[Flickr]

对于QuotePrintable的Procmail规则就比较简单，直接根据关键字的编码，加入=号间隔就可以了。比如我们查找关键字“服务”，对应的utf-8序列是

0xe69c8d 0xe58aa1

，一般中文自的utf8编码都会是3个字节，那么对应的就是

=e6=9c=8d=e5=8a=a1

，规则可以这么写：

* ^Subject.*=e6=9c=8d=e5=8a=a1

对于GB系列编码也是一样，只是每个汉字就是两个字节，而不是三个了。

Base64的嘛，hoho，再研究研究～等下回吧～

生活周遭 » procmail