如何从Google Gimap获取原始字节而非UTF-8替换字符

核心原因 #

涉事邮件违反了RFC2822规范——邮件头直接包含UTF-8编码的非ASCII字符（í对应的C3 AD字节），而非使用RFC2047规定的Base64/QP编码格式。Gmail网页端做了宽松的容错处理，能自动识别这种非规范的UTF-8头，但Gimap的IMAP接口处理逻辑更严格，直接将违规字符替换为UTF-8替换字符（EF BF BD）。

针对疑问的明确结论 #

• 并非你对IMAP4v1的使用错误：ENABLE=UTF-8扩展的作用是让服务器返回UTF-8编码的字符串（替代RFC2047编码），但它无法修复原始邮件头的格式违规问题，因此不会改变结果。
• 属于Google Gimap的实现差异：网页端与IMAP接口的容错逻辑不一致，导致同一内容呈现不同结果。

可行的临时解决方案 #

绕过IMAP接口的头解析流程，直接获取邮件的原始MIME内容，自行解析邮件头以保留原始字节：

import javax.mail.*;
import java.io.ByteArrayOutputStream;
import java.io.InputStream;
import java.util.Properties;

public class GmailRawMimeTest {
    public static void main(String[] args) throws Exception {
        Properties props = new Properties();
        props.put("mail.imap.host", "imap.gmail.com");
        props.put("mail.imap.port", "993");
        props.put("mail.imap.ssl.enable", "true");
        props.put("mail.imap.auth.mechanisms", "XOAUTH2"); // 也可替换为普通账号密码认证

        Session session = Session.getInstance(props);
        Store store = session.getStore("imap");
        store.connect("your-email@gmail.com", "your-auth-token");

        Folder inbox = store.getFolder("INBOX");
        inbox.open(Folder.READ_ONLY);

        // 示例取第一封邮件，可替换为问题邮件的UID定位目标邮件
        Message msg = inbox.getMessage(1);
        InputStream is = msg.getInputStream();
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        byte[] buf = new byte[1024];
        int len;
        while ((len = is.read(buf)) != -1) {
            baos.write(buf, 0, len);
        }
        byte[] rawMimeBytes = baos.toByteArray();

        // 手动解析Subject头，保留原始字节
        String rawMimeStr = new String(rawMimeBytes, "ISO-8859-1"); // 用单字节编码保留原始字节序列
        String[] lines = rawMimeStr.split("\r\n");
        StringBuilder subjectBuilder = new StringBuilder();
        boolean isSubjectLine = false;

        for (String line : lines) {
            if (line.startsWith("Subject:")) {
                isSubjectLine = true;
                subjectBuilder.append(line.substring(8).trim());
            } else if (isSubjectLine && !line.isEmpty() && Character.isWhitespace(line.charAt(0))) {
                // 处理折叠的头行，拼接完整主题
                subjectBuilder.append(line.trim());
            } else if (isSubjectLine) {
                // 主题行结束，退出循环
                break;
            }
        }

        // 将原始字节序列用UTF-8解码，得到正确主题
        byte[] subjectBytes = subjectBuilder.toString().getBytes("ISO-8859-1");
        String correctedSubject = new String(subjectBytes, "UTF-8");
        System.out.println("修正后的主题: " + correctedSubject);

        inbox.close(false);
        store.close();
    }
}

补充建议 #

如果此类问题邮件数量较多，可向Google反馈该实现差异，推动IMAP接口与网页端的容错逻辑对齐。

内容的提问来源于stack exchange，提问作者Douglas Held