SPAMASSASSIN 中文规则 （改进自CCERT Chinese_rules.cf ）

SPAMASSASSIN 中文规则 （改进自CCERT Chinese_rules.cf）

• 最近抽空看了下spamassassin上的中文规则，发现对中文规则的支持主要来自ccert的一个很久以前的版本，已经很久没有更新过也没法从其网站上下载了，不知是不是团队已经解散了。后来在GITHUB上找到一个，下载后试用了一下，发现其对某些中文识别有问题，后来调试了很久，终于解决了这个问题。
  原来ccert版本中对中文直接用的UTF-8编码，在spamassassin中（我用的是centos7自带版本），有可能出现不能正确识别某些中文词语（如“密码”）就不行，仔细研究后发现，spamassassin用的是perl regex 正则匹配来识别关键词，如果用原生字符编码，存在解码的问题，可能出错，如果直接用“\x{xxxx}"这种方式就完全没有问题，因此把Chinese_rules.cf中的正则表达式中的汉字全部用这个方式替换了。
  另外在替换过程中发现perl的regex中对替换目标有个选项 e 很有用，可以在替换选项里直接用perl的函数或表达式，如

s/\\u([0-9A-F]{4})/pack('U',hex(${1}))/eg

就可以直接把想要替换的内容换成需要的内容，很方便替换工作。

header CN_SUBJECT_1             Subject =~ /\x{4F18}\x{60E0}/
describe CN_SUBJECT_1           Subject contains "优惠"
score CN_SUBJECT_1              1.254