如何使用JavaScript优雅解码邮件头中的UTF-8 Base64字符串？

现有手写实现的核心问题 #

• 硬编码固定匹配=?Utf-8?B?前缀，完全无法兼容实际场景里的大小写差异：真实邮件头里的字符集声明可能是UTF-8全大写、utf-8全小写，编码标识也可能是小写b，硬匹配会直接失效
• 字符串替换逻辑存在误删风险：Base64编码本身的合法填充字符就包含=，原来的逐次替换结尾标记的写法，很容易误删编码内容里的合法等号，导致atob解码失败
• 存在UTF-8乱码问题：window.atob解码输出的是单字节Latin-1格式的字符串，直接作为结果返回时，碰到中文、多语言等多字节编码内容一定会出现乱码
• 不支持多段编码场景：真实邮件头经常会出现多段编码块拼接的格式（例如长主题被拆成多个编码块），现有逻辑完全无法识别处理

优化后的通用解码实现 #

核心思路是通过正则全局匹配所有符合RFC2047邮件头编码规范的块，逐块提取真实编码内容解码，无需硬替换固定标记：

function decodeMailHeader(rawStr) {
  // 全局匹配所有格式为 =?字符集?编码方式?内容?= 的编码块
  const encodedBlockReg = /=\?([\w-]+)\?([BbQq])\?([^?]*)\?=/g;

  return rawStr.replace(encodedBlockReg, (match, charset, encodeType, encodeContent) => {
    // 仅处理B类Base64编码场景，可按需扩展Q类可打印编码逻辑
    if (encodeType.toLowerCase() === 'b') {
      // 1. 先用atob把Base64内容解码为二进制字符串
      const binaryStr = window.atob(encodeContent);
      // 2. 把二进制字符串转换为字节数组，规避UTF-8多字节解码乱码问题
      const byteArr = Uint8Array.from(binaryStr, char => char.charCodeAt(0));
      // 3. 按照声明的字符集解码为可读字符串
      return new TextDecoder(charset).decode(byteArr);
    }
    return match;
  // 按照RFC2047规范，去掉相邻编码块之间的无意义空格
  }).replace(/(?<=\?=\s*)=\?/g, '=?');
}

实现效果说明 #

• 自动兼容字符集、编码标识的大小写差异，无需调整匹配规则
• 通过正则捕获真实的编码内容，不会误删Base64本身的合法填充等号
• 内置UTF-8多字节解码逻辑，处理中文、多语言内容不会乱码
• 支持混合普通文本、多段编码块的复杂邮件头字符串场景

测试示例 #

// 单段编码测试
const test1 = '=?Utf-8?B?RW5jb2RlZCBTdHJpbmc===?=';
console.log(decodeMailHeader(test1)); // 输出 Encoded String

// 多段编码混合中文测试
const test2 = '=?UTF-8?B?5L2g5aW9?= =?UTF-8?B?5Zyo57q/55qE?= 测试主题';
console.log(decodeMailHeader(test2)); // 输出 你好吗我的测试主题

内容的提问来源于stack exchange，提问作者jjj