html - 通过电子邮件将 html 发送到 csv 文件
问题描述
我有一封 html 格式的电子邮件,需要下载它,并且需要将一个 csv 分号字段分隔符结果生成一个新文件。
收到的电子邮件示例:
Content-Type: text/html; charset=UTF-8
<b>Thu Jul 11 2019</b><hr><table style=3D"border=
: 1px solid #dddddd;border-collapse: collapse;text-align: left;"><tr><th st= yle=3D"padding: 8px;background-color: #cce6ff">Name</th><th styl=
e=3D"padding: 8px;background-color: #cce6ff">CI</th><th style=3D"padding: 8=
px;background-color: #cce6ff">DH</th><th style=3D"padding: 8px;backgro=
und-color: #cce6ff">FG</th><th style=3D"padding: 8px;background-color: #c=
ce6ff">Mon</th><th style=3D"padding: 8px;background-color: #cce6ff">DATE=
(UTC)</th></tr><tr><th style=3D"padding: 8px;">Arael Amarel</th><th style=
=3D"padding: 8px;">30549214</th><th style=3D"padding: 8px;">099981496</th><=
th style=3D"padding: 8px;">43</th><th style=3D"padding: 8px;">-</th><th sty=
le=3D"padding: 8px;">2019-07-11T10:06:34.311Z</th></tr><tr><th style=3D"pad=
ding: 8px;background-color: #dddddd">MATIN TARDEI</th><th style=3D"padding=
: 8px;background-color: #dddddd">45159820</th><th style=3D"padding: 8px;bac=
kground-color: #dddddd">094432451</th><th style=3D"padding:
8px;background-=
color: #dddddd">32</th><th style=3D"padding: 8px;background-color: #dddddd"=
-</th><th style=3D"padding: 8px;background-color: #dddddd">2019-07-
11T10:2=
8:41.198Z</th></tr>
需要的 csv 输出:
Name;CI;DH;FG;Mon;DATE (UTC)
Arael Amarel;30549214;099981496;43;-;2019-07-11T10:06:34.311Z
MATIN TARDEI;45159820;094432451;32;-;2019-07-11T10:28:41.198Z
如果我在客户端上打开此邮件,则表格一切正常,但我认为如果我将 procmail 的内容(由 procmail 保存)放入 .html 文件并打开它,则 procmail 存在格式问题如果我查看此内容,则无法处理内容,所有行尾都标有“=”,这意味着很多问题,此外,它们是表格对齐和其他内容中的一些问题,这使其成为噩梦处理内容以提取。
我用过滤器制作了一个 procmailrc,将 html 格式转换为纯 procmailrc 文件:
MAILDIR=/new/mail/htmlconvert
:0
* ^Content-Type: text/html.*;
{
:0c
$MAILDIR/converted/
:0fwb
| `which html2text`
:0fwh
| `which formail` -i "Content-Type: text/plain; charset=UTF-8"
}
这是第 1 次尝试,如果我直接从文件中使用 html2text,则转换器无法使用我很难使用的 html2text 转换器,结果是:
html2文本
===============================================================================
1px solid #dddddd;border-collapse: collapse;text-align: left;">
px;background-color: #cce6ff">NAME
px;background-color: #cce6ff">CI
= px;background-color: #cce6ff">DH
px;backgro= und-color: #cce6ff">FG
px;background-color: #c= ce6ff">Mon
px;background-color: #cce6ff">DATE= (UTC)
px;">Arael Amarel
px;">30549214
px;">099981496
<= th style=3D"padding: 8px;">43
px;">-
px;">2019-07-11T10:06:34.311Z
px;background-color: #dddddd">MATIN TARDEI
8px;background-color: #dddddd">45159820
px;bac= kground-color: #dddddd">094432451
px;background-= color: #dddddd">32
px;background-color: #dddddd"= >-
px;background-color: #dddddd">2019-07-11T10:2= 8:41.198Z
px;">
已经尝试将 lynx -dump -force-html 添加到文件中,结果无法达到 csv 格式输出。
html2text -nobs (file)
Name;CI;DH;FG;Mon;DATE (UTC)
Arael Amarel;30549214;099981496;43;-;2019-07-11T10:06:34.311Z
MATIN TARDEI;45159820;094432451;32;-;2019-07-11T10:28:41.198Z
更新:我已经将tripleee的解决方案应用于procmailrc,但是邮件的格式仍然与原始来源相同,qprint
并没有随着这个变化而改变格式。但是已经尝试将其直接写入文件并且工作正常。实际解决方案:
qprint -d -n <1563019338.1197_0.localhost.localdomain |
html2text -style pretty |
awk '/^-------------------------------------------------------------------------------/{p=1}p'
- 行是邮件正文和之前内容的分隔符,显示如下:
-------------------------------------------------------------------------------
NAME CI CD FG HJ DATE (UTC)
Yaiaa Fereeira 52104575 097325303 20 - 2019-07-12T10:46:24.716Z
Gabtiel Aosta Sclavi 42445135 098322361 42 - 2019-07-12T11:07:36.110Z
现在需要将此内容制作到 csv 中,我认为第一部分会更容易,但希望将其自动化到 procmail 以通过邮件下载来完成。
procmail 更改 procmailrc 的结果是邮件正文仍以“=”作为行尾,但在标题中有:
Content-Transfer-Encoding: quoted-printable
Content-Type: text/html; charset=UTF-8
使用 procrc 中的 qprint 更新电子邮件结果源
Return-Path:
Delivered-To:
Return-path:
Envelope-to:
Delivery-date: Sat, 13 Jul 2019 08:03:48 -0300
Content-Transfer-Encoding: quoted-printable
Content-Type: text/html; charset=UTF-8
Date: Sat, 13 Jul 2019 11:03:02 +0000 (UTC)
From:
Mime-Version: 1.0
To:
Message-ID:
Subject:Fri Jul 12 2019
X-Spam-Flag: NO
<b>Fri Jul 12 2019</b><hr><table style=3D"border=
: 1px solid #dddddd;border-collapse: collapse;text-align: left;"><tr><th st=
yle=3D"padding: 8px;background-color: #cce6ff">NAME</th><th styl=
e=3D"padding: 8px;background-color: #cce6ff">CI</th><th style=3D"padding: 8=
px;background-color: #cce6ff">CD</th><th style=3D"padding: 8px;backgro=
und-color: #cce6ff">FG</th><th style=3D"padding: 8px;background-color: #c=
ce6ff">HJ</th><th style=3D"padding: 8px;background-color: #cce6ff">DATE=
(UTC)</th></tr><tr><th style=3D"padding: 8px;">Yaiaa Fereeira</th><th st=
yle=3D"padding: 8px;">52104575</th><th style=3D"padding: 8px;">097325303</t=
h><th style=3D"padding: 8px;">20</th><th style=3D"padding: 8px;">-</th><th =
style=3D"padding: 8px;">2019-07-12T10:46:24.716Z</th></tr>
我在标准输入中有日志,因为 procmail 无法写入日志文件,正如您在此日志详细信息中看到的那样:
1 message for aaa@aaa.com at aaa.com (25330 octets).
reading message aaa@aaa.com@aaa.com:1 of 1 (25330 octets)........................procmail: Error while writing to "/info/in/log"
procmail: [20191] Mon Jul 15 08:55:34 2019
procmail: Assigning "FORMAIL=/usr/bin/formail"
procmail: Assigning "QPRINT=/usr/local/bin/qprint"
procmail: Match on "^Content-Type: text/html;"
procmail: Assigning "LASTFOLDER=converted/new/1563191734.20191_0.localhost.localdomain"
Subject: Sun Jul 14 2019
Folder: converted/new/1563191734.20191_0.localhost.localdomain 24985
procmail: Executing " qprint -d -n | html2text -nobs "
procmail: Executing " formail -I "Content-Type: text/html; charset=UTF-8"
procmail: Skipped "Mail"
procmail: Skipped "/"
From aaaaaa.com@aaa.com Mon Jul 15 08:55:34 2019
Subject: Sun Jul 14 2019
Folder: **Bounced** 24985
fetchmail: MDA returned nonzero status 73
not flushed
解决方案
您帖子中的示例看起来根本不像是有效的电子邮件正文。我猜它是 MIME 消息中的正文部分,带有Content-type: text/html
(含糊地指出)和Content-transfer-encoding: quoted-printabe
. 后者是引入=
您认为有问题的转义的原因。解码它们实际上是相当简单的,但如何从 Procmail 中准确地做到这一点取决于包含消息的整体组成,以及您可用的实用程序。不幸的是,Procmail 本身不知道 MIME 结构,因此您必须依赖外部工具。
顺便说`which ...`
一句,您的食谱中的命令是完全多余的。为了which
工作,你正在寻找的实用程序需要在你的PATH
......这意味着 Procmail 可以在没有which
.
如果 Procmail 的 default 中没有某些内容PATH
,只需在文件PATH
顶部附近更新即可.procmailrc
。这也应该消除使用$FORMAIL
等变量的需要。只需使用formail
并确保它在 Procmail 的PATH
.
要使您的配方起作用,MIME 结构必须是单部分消息。如果情况确实如此,并且您html2text
在其他方面是正确的,那么您需要的唯一解决方法是在通过管道之前解码内容传输编码。假设你有qprint
,并且which
删除了多余的电话,那就离开
:0
* ^Content-Type: text/html.*;
{
:0c # no need to spell out $MAILDIR/ prefix
converted/
:0fwb
| qprint -d | html2text
:0fwh
| formail -i "Content-Type: text/plain; charset=UTF-8" \
-i "Content-transfer-encoding: 8bit"
}
如果实际上 MIME 正文结构更复杂,则可以编辑您的问题以包含实际的电子邮件来源,而不是您当前的即兴解释。
换句话说,更详细地说,如果您的输入消息看起来像
From: sender <sender@example.net>
To: you <you@example.org>
Subject: HTML table
MIME-Version: 1.0
Content-Type: text/html; charset=UTF-8
Content-Transfer-Encoding: quoted-printable
<b>Thu Jul 11 2019</b><hr><table style=3D"border=
: 1px solid #dddddd;border-collapse: collapse;text-align: left;"><tr><th st=
yle=3D"padding: 8px;background-color: #cce6ff">Name</th><th styl=
e=3D"padding: 8px;background-color:....
那么上面的食谱应该基本上可以工作。但另一方面,如果你的实际信息更像
From: sender <sender@example.net>
To: you <you@example.org>
Subject: HTML table
MIME-Version: 1.0
Content-Type: multipart/mixed; boundary=0xdeadbeef
This is a multi-part MIME message.
--0xdeadbeef
Content-Type: text/html; charset=UTF-8
Content-Transfer-Encoding: quoted-printable
<b>Thu Jul 11 2019</b><hr><table style=3D"border=
: 1px solid #dddddd;border-collapse: collapse;text-align: left;"><tr><th st=
yle=3D"padding: 8px;background-color: #cce6ff">Name</th><th styl=
e=3D"padding: 8px;background-color:....
--0xdeadbeef--
那么第一个条件将不匹配(标头不包含Content-type: text/html
),但块内的操作也需要在多个位置更新,因为围绕 HTML 正文部分的 MIME 需要解包或以其他方式重组。这是解决这个问题的一个非常快速而肮脏的尝试。
:0
* ^Content-Type: multipart/mixed
{
:0c # no need to spell out $MAILDIR/ prefix
converted/
:0fwb
| perl -0777 -pe 's/=([0-9A-F]{2})/ chr(oct("0x$1"))/ge; \
s/=\n//g; \
s%</table>.*%%s; \
s%.*<table[^<>]*>%%s; \
s%<tr[^<>]*><t[dh][^<>]*>%\n%g; \
s%<t[dh][^<>]*>%;%g; \
s%</t[rdh]>%%g; \
s%^\n+%%;'
:0fwh
| formail -i "Content-Type: text/plain; charset=UTF-8" \
-i "Content-transfer-encoding: 8bit"
}
稍作调整,它也应该适用于单部分变化。但是您应该意识到 Perl 脚本是一个非常粗略的剪辑,而不是一个合适的 HTML 解析器。
该f
标志使 Procmail 将输入消息替换为管道的输出。然后formail
调用是必要的,因为在您将原始内容替换为不同类型和不同编码的内容后,原始 MIME 标头不再正确。如果您只想将 CSV 数据提取到外部文件中,则可以跳过后者,将前者简化为
:0
* ^Content-type: text/html
{
:0c
converted/
:0b # no w flag necessary either once we drop f
| qprint -d | html2text >>result.csv
}
我们再次假设单部分 MIME 消息作为输入。是否覆盖输出文件而不是追加(或者可能每次写入不同的 CSV 文件)将取决于您的特定用例以及您希望接收这些消息的频率。
(不是特别认可qprint
; 有许多类似的实用程序,但没有什么特别普遍的。不幸的是 GNU Coreutils 维护者坚决拒绝包含类似的实用程序。)
推荐阅读
- android - 安装失败,原因是:“关闭”错误 | 安卓工作室 4.0.2
- python-3.x - 无余除法
- java - Java 垃圾收集器跨虚拟机的不同行为
- sql - SQL 中的 Powershell 漏洞评估
- php - 在 PHP 中计算一年中的最后一周以跳到明年
- ios - 无法将“String”类型的值转换为预期的参数类型“AnyObject?”
- ansible - ansible从变量逗号分隔创建字符串
- c++ - 允许可变参数的函数作为模板函数参数
- mysql - Typeorm“ER_BAD_FIELD_ERROR:'where 子句'中的未知列'entity.entityId'”
- microsoft-graph-api - MS Graph API - 有没有办法获取员工所属的预订业务列表?