邮件内容分析

   郁闷了一个多星期的问题终于有眉目了。
    问题本身其实不是很难，要从outlook和outlook express邮箱里面将所有的邮件提取出来，并且能够得到主题，发件人，收件人，正文，附件等内容。
    邮件客户端会把服务器端的邮件下载下来，并保存到本地的某个目录中，outlook是保存成pst格式的，outlook express是保存成dbx格式的，这两种格式都是一个文件存放n个邮件的方式。
    首先能想到的方法就是直接去解析这些格式，我很顺利的从网上下载到了格式解析的源代码，可以将pst格式转化为msg格式，可以将dbx文件解析成eml文件，后面的两种文件格式都是存放一个邮件的，并且可以用相应的邮件可户端打开。
    现在只要解析这2种格式就可以了，眼看顺利就在眼前，谁知道这时候问题出来了，msg格式还好，是用unicode编码的，以明文形式储存。而eml是采用mime标准的，英文一般是用base64编码格式的，这个从网上顺利找到源代码解开。但是中文的时候就麻烦了，一般默认的编码是采用gb2312字符集，quoted-printable编码格式。由于中文邮件中一般都有英文字母，所以里面一般是采用base64和quoted-printable混编的模式，而文件是用超文本格式存放的，如果自己解析的话估计要花不少时间，而且考虑到有可能采用繁体和unicode字符集，不同的编码格式，估计是个漫长的过程。
    把直接解析编码放在一边，考虑mime标准。在网上一搜，果然不少mime的源码，那过来一试，也还是只支持英文的。不过终于发现有gmime2标准，是最新的邮件编码标准，提供源代码，迫不及待的下来以后，希望又破灭了。只有for debian的版本，还要n个库支持，改成能在windows下能够编译通过的版本也不是一件容易的事情啊，而且这个代码的作者还写道，如果谁能在windows下编译通过的话，记得告诉他一下。
    正在抉择是自己解析格式好还是改编gmime2好的时候，突然发现自己有点傻。既然outlook和outlook express能够读的话，按照微软的风格，应该会有API提供的。就像WORD一样，我前面的努力就像是要把WORD格式分析的清清楚楚，然后编码实现，而放着现成的接口不用。
    下面的工作就简单了，支持邮件的dll是MAPI.dll，里面包罗万象，从接受，发送，解析甚至构建邮件服务器都有。下载MSDN的例程后，outlook express可以顺利解决，根本连dbx格式都不用分析，直接有接口按顺序找邮件，得到邮件内容。outlook方面例程不支持，老是说我的邮件默认配置有问题，不过既然走到这一步了，方法就多的是了，我采用的是CreateDispatch方式，跟控制office一样。根据接口描述很方便的可以解析每一封邮件。
    问题从技术上来说基本上解决了，但是还要有一些局限性，比如某个单独的.eml文件，或者是没有加到客户端的dbx或者pst文件都不能解析。不过大部分能做就可以了。这些问题留到以后再解决吧。还要foxmail，估计也要研究个半天了，先不考虑这些吧。