解析电子邮件类似的报头（类似于RFC822）(Parsing e-mail-like headers

问题/疑问

有一个的机器人信息数据库 ，我想解析。 它被认为是类似于RFC822邮件 。

我在重新发明轮子，写我自己的解析器，我想我会看看别的东西都是现成的。 我偶然发现imap_rfc822_parse_headers()这似乎做的正是我想要的。 不幸的是，IMAP扩展是不是在我的环境中使用。

我见过很多的选择网上和堆栈溢出。 不幸的是，它们都内置了电子邮件和做的比我更需要......很多时候，解析出一个完整的电子邮件和以特殊方式处理头。 我只是想简单地分析这些头成有用的对象或数组。

是否有一个直PHP版本imap_rfc822_parse_headers()可用，或者说相当于将解析这样的数据？ 如果没有，我会写我自己的。

样本数据

robot-id: abcdatos
robot-name: ABCdatos BotLink
robot-from: no
robot-useragent: ABCdatos BotLink/1.0.2 (test links)
robot-language: basic
robot-description: This robot is used to verify availability of the ABCdatos
                   directory entries (http://www.abcdatos.com), checking
                   HTTP HEAD. Robot runs twice a week. Under HTTP 5xx
                   error responses or unable to connect, it repeats
                   verification some hours later, verifiying if that was a
                   temporary situation.
robot-history: This robot was developed by ABCdatos team to help
               working in the directory maintenance.
robot-environment: commercial
modified-date: Thu, 29 May 2003 01:00:00 GMT
modified-by: ABCdatos

robot-id:                       acme-spider
robot-name:                     Acme.Spider
robot-cover-url:                http://www.acme.com/java/software/Acme.Spider.html
robot-exclusion:                yes
robot-exclusion-useragent:      Due to a deficiency in Java it's not currently possible to set the User-Agent.
robot-noindex:                  no
robot-host:                     *
robot-language:                 java
robot-description:              A Java utility class for writing your own robots.
robot-history:                  
robot-environment:              
modified-date:                  Wed, 04 Dec 1996 21:30:11 GMT
modified-by:                    Jef Poskanzer

...

Answer 1:

假设$data包含您在上面粘贴的样本数据，这里是解析器：

<?php

/* 
 * $data = <<<'DATA'
 * <put-sample-data-here>
 * DATA;
 *
 */

$parsed  = array();
$blocks  = preg_split('/\n\n/', $data);
$lines   = array();
$matches = array();
foreach ($blocks as $i => $block) {
    $parsed[$i] = array();
    $lines = preg_split('/\n(([\w.-]+)\: *((.*\n\s+.+)+|(.*(?:\n))|(.*))?)/',
                        $block, -1, PREG_SPLIT_DELIM_CAPTURE);
    foreach ($lines as $line) {
        if(preg_match('/^\n?([\w.-]+)\: *((.*\n\s+.+)+|(.*(?:\n))|(.*))?$/',
                      $line, $matches)) {
            $parsed[$i][$matches[1]] = preg_replace('/\n +/', ' ',
                                                    trim($matches[2]));
        }
    }
}

print_r($parsed);

Answer 2:

该消息的MIME类型是很常见的。 解析器存在大量的，但通常是很难谷歌。 我个人诉诸这里正则表达式，如果格式是有些一致。

例如这两个会做的伎俩：

  // matches a consecutive RFC821 style key:value list
define("RX_RFC821_BLOCK", b"/(?:^\w[\w.-]*\w:.*\R(?:^[ \t].*\R)*)++\R*/m");

  // break up Key: value lines
define("RX_RFC821_SPLIT", b"/^(\w+(?:[-.]?\w+)*)\s*:\s*(.*\n(?:^[ \t].*\n)*)/m");

头号爆发的消息/ *线相干块，并且第二可用于拆分每个这样的块。 它需要后期处理，虽然剥去持续价值线领先indendation。

文章来源: Parsing e-mail-like headers (similar to RFC822)