Node.js通过IMAP读取未读邮件提取OTP时获取到多余HTML头部内容的问题排查

兄弟，我仔细看了你的代码和日志，明白你为啥会拿到多余的HTML头部内容了——核心问题出在邮件内容的MIME结构处理和全局buffer变量的累加上，咱们一步步来解决：

问题根源 #

1. MIME部分选择错误：你用bodies: '1'获取邮件内容，这个是取邮件的第一个MIME片段，而很多邮件会同时包含HTML和纯文本两个版本，第一个片段往往是HTML格式的，开头就是<!DOCTYPE html>这种头部内容，这就是你第一次拿到的冗余内容。
2. 全局buffer累加：你的buffer变量是全局的，每次stream的data事件都会把新内容累加进去，导致前一个片段的HTML头部和后一个的纯文本内容混在一起，甚至会影响下一封邮件的解析。
3. OTP提取方式不可靠：用substr(msg1.length - 8)取最后8位的方式太依赖邮件内容长度，一旦邮件格式微调就会提取错误。

解决方案 #

咱们直接对代码做针对性修改，分两种方式，你可以选适合自己的：

方式一：直接获取纯文本邮件内容（简单粗暴）

把IMAP fetch时的bodies: '1'改成bodies: 'TEXT'，这样会直接获取邮件的纯文本版本，跳过HTML内容，同时去掉全局buffer，每个邮件单独处理：

// 去掉全局的buffer变量，改成每个message内部处理
imap.search(['UNSEEN', ['SUBJECT', 'Login OTP']], function (err, results) {
  if (err) throw err;
  // 这里把bodies改成'TEXT'，直接取纯文本内容
  var f = imap.fetch(results, { bodies: 'TEXT', markSeen: true });
  f.on('message', function (msg, seqno) {
    let messageContent = '';
    msg.on('body', function (stream, info) {
      stream.on('data', function (chunk) {
        messageContent += chunk.toString('utf8');
      });
      stream.on('end', async function() {
        console.log('邮件纯文本内容: ' + messageContent);
        // 用正则提取OTP，比substr可靠得多
        const otpMatch = messageContent.match(/OTP - (\d{7})/);
        if (otpMatch) {
          const otp1 = otpMatch[1];
          console.log('提取到的OTP: ' + otp1);
          await page.focus("#al_login > div > div:nth-child(1) > div:nth-child(2) > input");
          await page.keyboard.type(otp1);
        } else {
          console.log('没找到符合格式的OTP');
        }
      });
    });
  });
  f.once('end', function () {
    console.log('Done fetching all messages!');
    imap.end();
  });
});

方式二：用邮件解析库处理完整邮件（更通用）

如果你的邮件可能只有HTML版本，或者想更优雅地解析邮件，可以用mailparser库（看你的配置里已经加了mailParserOptions，应该已经安装了），它会自动帮你处理MIME结构，提取纯文本或HTML内容：

const { simpleParser } = require('mailparser'); // 先引入库

// ... 其他代码不变，修改fetch部分
imap.search(['UNSEEN', ['SUBJECT', 'Login OTP']], function (err, results) {
  if (err) throw err;
  // 这里bodies传空字符串，获取完整邮件内容
  var f = imap.fetch(results, { bodies: '', markSeen: true });
  f.on('message', function (msg, seqno) {
    let emailData = [];
    msg.on('data', function(chunk) {
      emailData.push(chunk);
    });
    msg.on('end', async function() {
      const emailBuffer = Buffer.concat(emailData);
      // 解析完整邮件
      const parsedMail = await simpleParser(emailBuffer);
      // 优先用纯文本内容，没有的话再处理HTML
      const msgContent = parsedMail.text || parsedMail.html;
      console.log('解析后的邮件内容: ' + msgContent);
      // 正则提取OTP
      const otpMatch = msgContent.match(/OTP - (\d{7})/);
      if (otpMatch) {
        const otp1 = otpMatch[1];
        console.log('提取到的OTP: ' + otp1);
        await page.focus("#al_login > div > div:nth-child(1) > div:nth-child(2) > input");
        await page.keyboard.type(otp1);
      } else {
        console.log('未找到OTP');
      }
    });
  });
  f.once('end', function () {
    console.log('Done fetching all messages!');
    imap.end();
  });
});

关键优化点 #

• 抛弃全局buffer，每个邮件单独维护内容，避免跨邮件的内容污染
• 用TEXT或者邮件解析库获取纯文本内容，彻底避开HTML头部
• 用正则表达式/OTP - (\d{7})/提取OTP，不管邮件内容长度怎么变，只要格式符合就能精准拿到7位数字的OTP

备注：内容来源于stack exchange，提问作者med amine