如何将IMAP下载的邮件正文HTML源码转换为有效HTML？

核心问题解析 #

你遇到的行尾带=的换行是quoted-printable编码的典型特征，邮件内容常用这种编码处理非ASCII字符或过长行，同时可能伴随MIME边界残留、字符转义等额外格式问题。

PHP处理方案 #

1. 解码Quoted-Printable编码 #

PHP内置函数可直接处理编码问题，自动修复行尾=的换行：

// $raw_html 为从IMAP获取的原始HTML内容
$decoded_html = quoted_printable_decode($raw_html);

2. 清理残留格式 #

若存在MIME边界或邮件头残留，用正则匹配清理：

// 移除MIME边界标记
$cleaned_html = preg_replace('/--.*?--/s', '', $decoded_html);
// 清理多余换行与空格
$cleaned_html = trim(preg_replace('/\s+/', ' ', $cleaned_html));

3. 修复残缺HTML结构 #

针对不完整的HTML（如示例中未闭合的标签），用DOM工具修复：

$dom = new DOMDocument();
// 禁用HTML规范报错
libxml_use_internal_errors(true);
$dom->loadHTML($cleaned_html);
libxml_clear_errors();
// 输出修复后的完整HTML
$final_html = $dom->saveHTML();

4. 保存为可浏览文件 #

file_put_contents('processed_email.html', $final_html);

Linux命令行处理方案 #

1. 解码Quoted-Printable编码 #

使用mmencode或uudeview工具：

# mmencode解码
mmencode -u raw_email.html > decoded.html
# 或uudeview解码
uudeview -i raw_email.html -o decoded.html

2. 清理残留标记 #

用sed和awk处理多余内容：

# 移除MIME边界
sed '/--.*--/d' decoded.html > temp.html
# 规整换行与空格
awk '{$1=$1;print}' temp.html > cleaned.html

3. 修复HTML语法 #

用tidy工具自动修复结构：

tidy -q -m -utf8 cleaned.html

参数说明：

• -q：静默模式减少输出
• -m：直接修改目标文件
• -utf8：指定编码为UTF-8

额外提示 #

• PHP的IMAP扩展支持直接获取解码后的内容，调用imap_fetchbody()时可指定编码参数，跳过手动解码步骤
• 若为多部分MIME邮件，需先解析MIME结构提取HTML部分，可借助imap_mime_header_decode()简化操作

内容的提问来源于stack exchange，提问作者uncovery