PHP读取邮件提取内容时HTML标签被UTF-8字符分割如何正确显示

问题根因 #

你的问题核心是解码顺序错误，且字符串匹配提取HTML内容的容错性极低：

• 邮件传输时的quoted-printable编码会将过长行用=+换行拆分，你在未完成全局解码前就直接匹配标签，自然会把拆分符、残余标签都匹配进结果
• 自定义字符串截取逻辑无法适配邮件传输过程中变形的HTML标签结构

修复方案 #

先完成全局解码，再用PHP内置DOM解析器提取内容，完全避免字符串匹配的误差：

// 1. 先对整个邮件正文完成quoted-printable全局解码
$decodedBody = quoted_printable_decode($bodyText);
// 2. 转换HTML实体，把&lt; &gt;这类编码还原为正常的< >符号
$decodedBody = htmlspecialchars_decode($decodedBody, ENT_QUOTES);
// 3. 统一编码为UTF-8，避免乱码
if (!mb_detect_encoding($decodedBody, 'UTF-8', true)) {
    $decodedBody = mb_convert_encoding($decodedBody, 'UTF-8', 'GBK, GB2312, ISO-8859-1');
}

// 4. 用DOM解析器提取目标节点内容
$dom = new DOMDocument();
// 禁用非标准HTML的解析警告，邮件HTML通常不严格符合规范
libxml_use_internal_errors(true);
$dom->loadHTML($decodedBody);
libxml_clear_errors();

// 按id查找目标span节点
$targetNode = $dom->getElementById('Sadress_Lname');
$Sadress_Lname = $targetNode ? trim($targetNode->nodeValue) : '';

以上逻辑执行后$Sadress_Lname即可得到纯文本结果Meier，不会附带任何残余标签。

内容的提问来源于stack exchange，提问作者MaxF