从电子邮件正文中删除其他换行符

Question

当发送电子邮件时，许多html" target="_blank">服务器会添加额外的换行符来限制每行的长度。

在PHP脚本中获取邮件时，如何恢复原来的换行符？

假设我发送以下内容：

Lorem ipsum Dolore incident in gulia ea sed quis sint voluptate quis laboratum ullamco Excepteur do adipiscing consecut ex in reprechter it officient in ad desrunt magna nulla dolor laboratum occur at reprechtr it aliquip dolor ea anim ea in veniam adipiscinging gulia tempor qui elit volupatte consectetur elit laborator elit labour minimum consecttur laborate anim incident una sunt sunt molit elit irure do杜洛雷·多洛雷·康奎特（英语：cillum dolore consequat in ea gupa ut velit sunt nulla in dolore voluptat dolore laboratory reprehender it dolore ut。
在威尼斯的乌特农（英语：ut non in veniam enim minim elit ad ut id ad ad eu voluptate dolor workers irure tempor mollit dolore exerciation eiusmod ea una una ullamco nostrud cillum nostrud laboratory commodo esse reprehendered out dise in an dolore ullamco pariator ament nulla除此之外，我们的官方fugiat eu used quis nisi fugiat dolor ea commodo ut sunt in consequat consectetur ut nullar pariatur est dolor dolore non ut occas Duis ut ex exexexexercise esse ullamco nullar incident commodo pariator dolore nostrud fugiat id dolor minimum not sint amet adipiscing occas enim non una irure sint aliquip nisi ut commodo minimum proident elit nullar out addolor Excepteur dolore Duis。

请注意，本文中只有一个换行符！

使用Thunderbird在接收端检查电子邮件的源代码，或通过PHP获取电子邮件正文，内容格式如下：

这是一个很好的例子，它说明了一个人在工作中所犯的错误但不包括最少的和最少的，但不包括欧盟自愿提供的劳工，除非欧盟官员拒绝提供劳工和商品 我们知道，即使货物不完全符合我们的要求，最少的货物也是可以的。

请注意，每行限制为一定长度，因此存在 16 个额外的换行符。这些额外的换行符是自动添加到导致我收到电子邮件的事件链中的某个地方的。

我希望我的电子邮件获取PHP脚本删除额外的换行符以恢复内容的原始两行格式。

我知道新的换行符不是由 PHP 脚本添加的，我知道它们来自哪里，我不知道的是我如何让我的 PHP 脚本删除这些换行符。

以下是用于获取电子邮件正文的代码：

$connection = imap_open(
    sprintf(
        '{%s:110/pop3}INBOX',
        Configure::read('Email.Inbox.host')
    ),
    Configure::read('Email.Inbox.email'),
    Configure::read('Email.Inbox.password')
);

$mailbox = imap_check($connection);
$messages = imap_fetch_overview($connection, '1:' . $mailbox->Nmsgs); 

foreach($messages as $message) {
    $content = imap_fetchbody($connection, $message->msgno, 1);
}

我尝试了什么？

我尝试使用< code>imap_body而不是< code>imap_fetchbody，因为前者不处理电子邮件正文。但是额外的换行符在此之前已经存在，并且与常规换行符无法区分。两者都由< code>\r\n组成。

我认为必须有一种方法可以做到这一点，因为 Thunderbird 以正确的格式显示收到的电子邮件，没有额外的 16 个换行符，尽管它们存在于显示消息的源代码中。因此，可能必须有一种方法可以从电子邮件中删除额外的 16 个换行符。

这是雷鸟的屏幕截图，顶部显示了电子邮件的源代码，底部显示了生成的纯文本显示。

Answer 1

尽管这个问题很古老，但当我遇到这个完全相同的问题时，它是最热门的问题之一。正如Marc在评论中指出的，这确实与format=flowed有关。所以我深入到RFC 2646，找到了4.1节，生成格式=流：

由于软换行符是 SP CRLF 序列，因此生成代理通过在出现空格后插入 CRLF 来创建软换行符。

生成代理不应该在单词(不包含空格的可打印字符序列)中插入空白。如果遇到超过79个字符(但少于998个字符，即[SMTP]对行长度的限制)的单词，工程师应该按原样发送该单词，并超过79个字符的行长度限制。

因此，为了得到原来写的电子邮件，只需搜索所有的SP CRLF事件，并将其替换为空。然后，您可能还想取消空格填充，同时考虑引用的文本(以任意数量的< code >开头的行)

接收时，如果一行的第一个字符是空格，则逻辑上会删除它。这发生在引用管线测试之后，流动管线测试之前。

我自己厨房里的一份粗制滥造的PoC：

// I'm using fetchmime() because I want to be sure I'm getting the proper MIME type for the relevant section
$mimes = imap_fetchmime($connection, $message->msgno, $section);

// I don't want to store all headers in an array since I just want to know the Content-Type
// [ \t]* is probably not necessary but it's there in case of broken clients/servers
if(preg_match('/^[ \t]*Content-Type.*format=flowed\b/mi', $mimes)) {
    // First, let's undo space stuffing but don't touch stuffed lines with quotes
    $content = preg_replace('/^ +(?!>+ )/m', '', $content);

    // Then, remove flowed SP+(CR)LF sequences as well as any possible quotation marks that might appear after it to reform one long line of text
    $content = preg_replace('/( )\r?\n(>+ +)?/', '$1', $content);

    // Remove empty quoted lines at *the end of the string only*, keeping any such lines anywhere else as-is for readability
    $content = preg_replace('/(\r?\n>+\s*)+$/', '', $content);
}
// And finally trim the entire thing (regardless of formatting)
$content = trim($content);
// Or when outputting to browsers:
//$content = nl2br(trim($content));

对我来说，这在以下方面效果很好：

• 简单的单行电子邮件
• OP给出的lorem ipsum示例有2段
• 一行后面跟着两行换行符和由两行组成的签名
• 报价高达4级的电子邮件（可能超过4级，但我没有仔细检查）