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转换为新文件。
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>
所需的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Client上打开此邮件，可以使表格一切正常，但是如果我将procmail的内容（由procmail保存）放入.html文件并打开它，则我认为procmail格式存在问题如果我看该内容的所有行尾都标记有“ =”，则不可能处理该内容，这意味着存在很多问题，此外，它们是表格使用中的一些服务器问题以及其他一些使之成为噩梦的问题处理内容以提取。
我用过滤器制作了一个procmailrc，将html格式转换为纯格式
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"
}
这是一个尝试数字1，如果转换器不使用html2text转换器，如果我直接使用源自源文件的html2text，转换器将使用I html2text转换器，结果是：
html2text
===============================================================================
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压缩到文件中，结果对于达到csv格式的输出也没有好处。
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：
我已经将三元组的解决方案应用于procmailrc，但是邮件的格式仍然与原始来源相同，
qprint并没有更改此格式。但是，尝试将其直接添加到文件中并可以正常工作。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before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
现在需要将这些内容发布到csv中，我认为第一部分会更容易，但是希望将其自动化到procmail来完成邮件下载。
procmail更改procmailrc的结果是邮件的正文仍以“ =”作为行尾，但标头中包含：
Content-Transfer-Encoding: quoted-printable
Content-Type: text/html; charset=UTF-8
更新资料
procrc中带有qprint的电子邮件结果源
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不能写日志文件，如您在此日志详细信息中所看到的：
1 message for [email protected] at aaa.com (25330 octets).
reading message [email protected]@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 [email protected] Mon Jul 15 08:55:34 2019
Subject: Sun Jul 14 2019
Folder: **Bounced** 24985
fetchmail: MDA returned nonzero status 73
not flushed
最佳答案
您的帖子中的样本看起来根本不像一个有效的电子邮件正文。我猜想它是MIME邮件中带有Content-type: text/html（如模糊表示）和Content-transfer-encoding: quoted-printabe的正文部分。后者是介绍您认为有问题的=转义的原因。解码它们实际上是微不足道的，但是如何从Procmail中准确地解码它们取决于包含消息的整体组成以及您可以使用的实用程序。不幸的是，Procmail本身对MIME结构一无所知，因此您必须依靠外部工具。
顺便说一句，配方中的`which ...`命令是完全多余的。为了使which正常工作，您需要的实用程序必须位于PATH中，这意味着Procmail可以在没有which的情况下找到它们。
如果Procmail的默认PATH中没有包含某些内容，只需更新PATH文件顶部附近的.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中可用。
为了使您的菜谱生效，MIME结构必须是单个部分的消息。如果确实如此，并且您的html2text正确，则唯一需要解决的方法是在进行内容传递编码之前先对其进行解码。假设您有qprint，并且删除了多余的which调用，
: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主体结构更复杂，则可以编辑您的问题以包括实际的电子邮件来源，而不是当前的ad-lib释义。
换句话说，更详细地讲，如果您的输入消息看起来像
From: sender <[email protected]>
To: you <[email protected]>
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:....
那么上面的食谱基本上应该可以了。但另一方面，如果您的实际信息更像
From: sender <[email protected]>
To: you <[email protected]>
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），但是块中的操作也需要在几个地方进行更新，因为围绕HTML正文部分的MIME包装需要解包，否则重组。这是解决这一问题的一种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"
}
如果进行较小的修改，它也应该适用于单个部分的变体。但是您应该意识到Perl脚本是一个很粗略的选择，而不是适当的HTML解析器。
f标志使Procmail用管道输出替换输入消息。然后需要formail调用，因为在将原始内容替换为其他类型和编码方式后，原始MIME头不再正确。如果您只是想将CSV数据提取到外部文件中，则可以跳过后者，而可以将前者简化为:0
* ^Content-type: text/html
{
:0c
converted/
:0b # no w flag necessary either once we drop f
| qprint -d | html2text >>result.csv
}
在此，我们再次将一个单部分的MIME消息作为输入。是否覆盖输出文件而不是附加输出文件（或每次都写入不同的CSV文件）将取决于您的特定用例，以及您希望多久收到一次这些消息。
（特别不是对
qprint的认可；有许多可比较的实用程序，但是没有什么特别普遍的。不幸的是，GNU Coreutils维护者坚定地拒绝包含类似的实用程序。）