MIME详解

    表1是一封示例邮件的内容，其中行1-5、行8都是单行的域，行6-7则是一个多行的域，并带有一个名为charset的属性，属性值为us-ascii。

表1
示例电子邮件

    邮件规范中定义了大量域，分别用来存储同邮件相关的各种信息，比如发件人的名字和邮件地址信息存储在From域中，收件人的邮件地址信息存储在To域中，开发人员可通过查询RFC文档得到完整的邮件域定义列表。

示例邮件中的行6-7就是一个Content-Type域，主类型为text，子类型为plain，字符集属性为us-ascii。

表2：MIME邮件中常见的主类型

1.3.1
 multipart类型基本格式

●  multipart/mixed类型

    如果一封邮件中含有附件，那邮件的Content-Type域中必须定义multipart/mixed类型，邮件通过multipart/mixed类型中定义的boundary标识将附件内容同邮件其它内容分成不同的段。基本格式如下：

Content-Type：
multipart/mixed;

boundary="{分段标识}"

●  multipart/alternative类型

    MIME邮件可以传送超文本内容，但出于兼容性的考虑，一般在发送超文本格式内容的同时会同时发送一个纯文本内容的副本，如果邮件中同时存在纯文本和超文本内容，则邮件需要在Content-Type域中定义multipart/alternative类型，邮件通过其boundary中的分段标识将纯文本、超文本和邮件的其它内容分成不同的段。基本格式如下：

Content-Type：
multipart/alternative;

boundary="{分段标识}"

●  multipart/related类型

    MIME邮件中除了可以携带各种附件外，还可以将其它内容以内嵌资源的方式存储在邮件中。比如我们在发送html格式的邮件内容时，可能使用图像作为html的背景，html文本会被存储在alternative段中，而作为背景的图像则会存储在multipart/related类型定义的段中。基本格式如下：

Content-Type：
multipart/related;

type="multipart/alternative";

boundary="{分段标识}"

1.3.2
 multipart类型的boundary属性

    multipart的子类型中都定义了各自的boundary属性，邮件使用这些boundary中定义的字符串作为标识，将邮件内容分成不同的段，段体内的每个子段以"--"+boundary行开始，父段则以"--"+boundary+"--"行结束，不同段之间用空行分隔。

1.3.3
 multipart类型的层次关系

表3：multipart子类型之间的层次关系

    MIME邮件通过多个Content-Type域的multipart类型将内容分成不同的段，这些段在邮件中不是线形顺序排列的，而是存在一个互相包含的层次关系，multipart子类型之间的层次关系结构如表3。

1.4.1
 Base64编码

    Base64编码的目的是将输入的数据全部转换成由64个指定ASCII字符组成的字符序列，
这64个字符由{‘A‘-‘Z‘， ‘a‘-‘z‘， ‘0‘-‘9‘， ‘+‘，
‘/‘}构成。编码时将需要转换的数据每次取出6bit，然后将其转换成十进制数字，这个数字的范围最小为0，最大为63，然后查询{‘A‘-‘Z‘， ‘a‘-‘z‘，
‘0‘-‘9‘， ‘+‘，
‘/‘}构成的字典表，输出对应位置的ASCII码字符，这样每3个字节的数据内容会被转换成4个字典中的ASCII码字符，当转换到数据末尾不足3个字节时，则用"="来填充。

1.4.2
 Quoted-printable编码

    Quoted-printable编码的目的也是将输入的信息转换成可打印的ASCII码字符，但它是根据信息的内容来决定是否进行编码，如果读入的字节处于33-60、62-126范围内的，这些都是可直接打印的ASCII字符，则直接输出，如果不是，则将该字节分为两个4bit，每个用一个16进制数字来表示，然后在前面加"="，这样每个需要编码的字节会被转换成三个字符来表示。

下面给出.Net环境下，利用C#结合正则表达式从邮件中提取相关信息的基本思路和部分代码。

    示例代码：提取邮件主题

string
emailContent = "……";//emailContent中存储的是邮件内容

pat
= @"^Subject：\s*(?<title>.*)\s*\r\n";

myMatches
= Regex.Matches(emailContent，pat，RegexOptions.Multiline);

foreach(Match
nextMatch in myMatches)

{

GroupCollection myGroup = nextMatch.Groups;

string title = myGroup["title"].ToString();//title变量存储From域的内容

……

}

    需要注意的是上面的代码提取的是跟随在Subject：后面的字符串，如果邮件的主题内容是中文或者其它需要编码的地区文字，则还需要对其进行解码。比如，如果邮件的Subject域中的信息是"你好"，那么提取出来的字符串会是这种形式：=?gb2312?B?xOO6ww==?=，第一个？同第二个？之间的gb2312代表标题内容所使用的字符集，第二个？和第三个？之间的B代表这部分内容采用的是base64编码方式，如果采用Quoted-printabel编码方式则显示Q，第三个？和第四个？之间则是"你好"经过base64编码后的字符串。

示例代码：提取multipart信息

string
emailContent = "……";//emailContent中存储的是邮件内容

string
pat =
@"\bContent-Type：\s*(?<type>\w+/\w+);\s+(type=\S(?<subtype>\S+)\S)?\s+boundary=""(?<flag>\S+)""";

MatchCollection
myMatches = Regex.Matches(emailContent，pat);

foreach(Match
nextMatch in myMatches)

{

GroupCollection myGroup = nextMatch.Groups;

string type = myGroup["type"].ToString();//type变量存储multipart类型的名称

string flag = myGroup["flag"].ToString();//flag变量存储multipart类型的boundary属性

……

}

    示例代码：提取邮件附件

//boundaryMixed代表已经提取出的multipart/mixed类型的boundary标识

//DecodeBase64为自定义的base64解码函数

//DecodeQuotedPrintable为自定义的quoted-printable解码函数

string
emailContent = "……";//emailContent中存储的是邮件内容

string
pat =
@"\r\nContent-Type：\s*(?<filetype>\S*);\s*name=""(?<name>\S*)""\s*Content-Transfer-Encoding：\s*(?<encoding>\S*)\s*Content-Disposition：\s*attachment;\s*filename=""(?<filename>\S+)""\s+(?<content>[\S|\r\n]+)"
+ "--" + boundaryMixed;

MatchCollection
myMatches =
Regex.Matches(emailContent，pat，RegexOptions.Singleline);

foreach(Match
nextMatch in myMatches)

{

//提取附件的类型、编码方式、文件名、内容信息

GroupCollection myGroup = nextMatch.Groups;

string fileType = myGroup["filetype"].ToString();

string encoding = myGroup["encoding"].ToString();

string fileName = myGroup["filename"].ToString();

string content = myGroup["content"].ToString().Trim();

byte[] attachFile;

//根据附件的编码方式对提取出的附件内容进行解码

if(encoding == "base64")

{

attachFile = DecodeBase64 (content);

}

if(encoding
== "quoted-printable")

{

attachFile = DecodeQuotedPrintable (content);

}

//将解码后的内容写入磁盘

FileStream fs = new FileStream("c：\\" + fileName，

FileMode.CreateNew);

BinaryWriter bw = new BinaryWriter(fs);

bw.Write(attachFile);

bw.Close();

fs.Close();

}

    上面的程序从邮件原文中提取出附件信息，并根据附件采用的编码类型进行解码，然后将解码后的内容按照原文件名存储到C盘根目录。同样，如果附件的文件名是中文或者其它需要编码的文字，则首先需要对文件名进行解码。