用PHP实现POP3邮件的解码(二)

  MIME 编码方式简介
  Subject: =?gb2312?B?xOO6w6Oh?=
  这里是邮件的主题,可是因为编码了,我们看不出是什么内容,其原来的文本是:“你好!”我们先看看 MIME 编码的两种方法。
  对邮件进行编码最初的原因是因为 Internet 上的很多网关不能正确传输8 bit 内码的字符,比如汉字等。编码的原理就是把 8 bit 的内容转换成 7 bit 的形式以能正确传输,在接收方收到之后,再将其还原成 8 bit 的内容。
  MIME 是“多用途网际邮件扩充协议”的缩写,在 MIME 协议之前,邮件的编码曾经有过 UUENCODE 等编码方式 ,但是由于 MIME 协议算法简单,并且易于扩展,现在已经成为邮件编码方式的主流,不仅是用来传输 8 bit 的字符,也可以用来传送二进制的文件 ,如邮件附件中的图像、音频等信息,而且扩展了很多基于MIME 的应用。从编码方式来说,MIME 定义了两种编码方法Base64与QP(Quote-Printable) :
  Base 64 是一种通用的方法,其原理很简单,就是把三个Byte的数据用 4 个Byte表示,这样,这四个Byte 中,实际用到的都只有前面6 bit,这样就不存在只能传输 7bit 的字符的问题了。Base 64的缩写一般是“B”,像这封信中的Subject 就是用的 Base64 编码。
  另一种方法是QP(Quote-Printable) 方法,通常缩写为“Q”方法,其原理是把一个 8 bit 的字符用两个16进制数值表示,然后在前面加“=”。所以我们看到经过QP编码后的文件通常是这个样子:=B3=C2=BF=A1=C7=E5=A3=AC=C4=FA=BA=C3=A3=A1。
  在 PHP 里,系统有两个函数可以很方便地实现解码:base64_decode()与quoted_printable_decode(),前者可用于base64 编码的解码,后者是用于 QP 编码方法的解码。
  现在我们再来看看Subject: =?gb2312?B?xOO6w6Oh?= 这一主题的内容,这不是一段完整的编码,只有部分是编码了的,这个部分用 =? ?= 两个标记括起来,=? 后面说明的是这段文字的字符集是 GB2312 ,然后一个 ? 后面的一个 B 表示的是用的 Base64 编码。通过这段分析,我们来看一下这个 MIME 解码的函数:(该函数由 PHPX.COM 站长 Sadly 提供,本人将其放入一个类中,并做了少量的修改,在此致谢)
  function decode_mime($string) {
  $pos = strpos($string, '=?');
  if (!is_int($pos)) {
  return $string;
  }
  $preceding = substr($string, 0, $pos); // save any preceding text
  $search = substr($string, $pos+2); /* the mime header spec says this is the longest a single encoded word can be */
  $d1 = strpos($search, '?');
  if (!is_int($d1)) {
  return $string;
  }
  $charset = substr($string, $pos+2, $d1); //取出字符集的定义部分
  $search = substr($search, $d1+1); //字符集定义以后的部分=>$search;
  $d2 = strpos($search, '?');
  if (!is_int($d2)) {
  return $string;
  }
  $encoding = substr($search, 0, $d2); ////两个?之间的部分编码方式:q或b
  $search = substr($search, $d2+1);
  $end = strpos($search, '?='); //$d2+1 与 $end 之间是编码了的内容:=> $endcoded_text;
  if (!is_int($end)) {
  return $string;
  }
  $encoded_text = substr($search, 0, $end);
  $rest = substr($string, (strlen($preceding . $charset . $encoding . $encoded_text)+6)); //+6 是前面去掉的=????=六个字符
  switch ($encoding) {
  case 'Q':
  case 'q':
  //$encoded_text = str_replace('_', '%20', $encoded_text);
  //$encoded_text = str_replace('=', '%', $encoded_text);
  //$decoded = urldecode($encoded_text);
  $decoded=quoted_printable_decode($encoded_text);
  if (strtolower($charset) == 'windows-1251') {
  $decoded = convert_cyr_string($decoded, 'w', 'k');
  }
  break;
  case 'B':
  case 'b':
  $decoded = base64_decode($encoded_text);
  if (strtolower($charset) == 'windows-1251') {
  $decoded = convert_cyr_string($decoded, 'w', 'k');
  }
  break;
  default:
  $decoded = '=?' . $charset . '?' . $encoding . '?' . $encoded_text . '?=';
  break;
  }
  return $preceding . $decoded . $this->decode_mime($rest);
  }
  这个函数用了递归的方法来实现一段包含有如上的 Subject 段的字符的解码。程序中已经加上了注释。相信有点PHP 编程基础的人都能够看得明白。该函数也是调用的base64_decode()与quoted_printable_decode()两个系统函数实现的解码,但是需要对邮件源文件进行大量的字符串的分析。不过,PHP 的字符串操作可以算是所有语言里最为方便自由的。函数的最后return $preceding . $decoded . $this->decode_mime($rest); 实现递归解码,因为这个函数实际上是放在后面要介绍的一个 MIME解码的类中的,所以用了 $this->decode_mime($rest)这种形式的调用方法。
  下面我们来看正文。这里关系到 MIME 的一些头信息,我们先做一个简单的介绍(如果读者有兴趣了解更多的内容,请参考 MIME 的官方文档)。
  MIME-Version: 1.0
  表示使用的 MIME 的版本号,一般是1.0;
  Content-Type: 定义了正文的类型,我们实际上是通过这个标识来知道正文内是什么类型的文件,比如:
  text/plain 表示的是无格式的文本正文,
  text/html 表示的 Html 文档,
  image/gif 表示的是 gif 格式的图片等等。
  在本文中特别要说明一下的是邮件中常用到的复合类型。multipart 类型表示正文是由多个部分组成的,后面的子类型说明的是这些部分之间的关系,邮件中用到的三个类型有,
  multipart/alternative:表示正文由两个部分组成,可以选择其中的任意一个。主要作用是在征文同时有 text 格式和 html 格式时,可以在两个正文中选择一个来显示,支持 html 格式的邮件客户端软件一般会显示其 HTML 正文,而不支持的则会显示其 Text 正文;
  multipart/mixed :表示文档的多个部分是混合的,指正文与附件的关系。如果邮件的 MIME 类型是
  multipart/mixed,即表示邮件带有附件;
  multipart/related :表示文档的多个部分是相关的,一般用来描述 Html 正文与其相关的图片。
  这些复合类型又是可以嵌套使用的,比如说一个带有附件的邮件,同时有 html 与 text 两种格式的正文,则邮件的结构是:
  Content-Type: multipart/mixed
  部分一:
  Content Type : multipart/alternative:
  Text 正文;
  Html 格式的正文
  部分二:
  附件
  邮件结束符;
  由于复合类型由多个部分组成,因此,需要一个分隔符来分隔这多个部分,这就是上面的邮件源文件中的boundary="----=_NextPart_000_0007_01C03166.5B1E9510"所描述的,对于每一个Contect type :multipart/* 的内容,都会有这么一个说明,表示多个部分之间的分隔,这个分隔符是正文中不可能出现的一串古字符的组合,在文档中,以"--" 加上这个boundary 来表示一个部分的开始,在文档的结束,以"--"加boundary再在最后加上 "--" 来表示文档的结束。由于复合类型是可以嵌套使用的,因此,邮件中可能会多个boundary。
  还有一个最重要的 MIME 头标签:
  Content-Transfer-Encoding: base64 它表示了这个部分文档的编码方式,也就是我们上面所介绍的Base64或QP(Quote-Printable)。我们只有识别了这个说明,才能用正确的解码方式实现对其解码。
  限于篇幅,对于 MIME 的介绍就只说到这里。下面我将给出一个解码MIME邮件的类,并对其做简要说明。