0

Я получаю от Exchange-сервера письмо с кириллицей. Текст сообщения при отправлении - "Hello, мир!". Есть проблема при обработке это сообщения потому что:

  1. кириллица ("мир") - передается в формате Quoted Printables, т.е. вид имеет примерно такой - "=F1=E2=E3"
  2. При перекодировке из Quoted Printables в 1251 (чтобы рус. яз. отобразился нормально) теряется латинница.

Так я получаю русский язык из Quoted Printables:

public static string DecodeQuotedPrintables(string input, Encoding encoding)
    {
        var regex = new Regex(@"\=(?<Symbol>[0-9A-Z]{2})", RegexOptions.Multiline);
        var matches = regex.Matches(input);
        var bytes = new byte[matches.Count];

        for (var i = 0; i < matches.Count; i++)
        {
            bytes[i] = Convert.ToByte(matches[i].Groups["Symbol"].Value, 16);
        }

        return encoding.GetString(bytes);
    }

Подскажите пожалуйста алгоритм, как, имея в строке латинницу и крилиицу конвертировать сообщение, чтобы сохранить оба языка?

4
  • Напрямую SMTP обрабатываете или с помощью каких-то классов? Каких?
    – CITBL
    28 дек 2015 в 11:35
  • У меня есть закодированная строка , мне нужно без потерь извлечь из не кириллицу и латинницу 28 дек 2015 в 11:50
  • 1
    Вот такая \=(?<Symbol>[0-9A-F]{2})|(?<Lit>.) регулярка вам даст совпадения с именами Symbol и Lit, причем в одном захвате может быть только один из них. Если есть Lit то добавляете его к выходной строке, если нет - то код от Symbol. Только я бы все таки предложил простой побайтный разбор строки без всяких регулярок, оно явно быстрее будет
    – Mike
    28 дек 2015 в 13:26
  • Практически так я и сделал. оформите как ответ, я отмечу 28 дек 2015 в 14:44

1 ответ 1

1

Идешь по строке, от символа к символу. Рассматриваешь каждый символ. Если код символа имеет значение: с 33 по 60; или с 62 по 126; или 32 или 9, то кладешь этот код в байтовый буфер. Если это символ "равно" ("="), то после него может идти либо перевод строки (то есть "\r\n"), либо двузначное шестнадцатеричное число. Если после "=" идет перевод строки, то пропускаешь этот перевод строки. Если после "=" идет шестнадцатеричное число, то кладешь его значение в байтовый буфер. В конце, переводишь полученный байтовый буфер в строку в соответствие с кодировкой. Примерно так:

static string FromQuotePrintable(string s, Encoding e) {
      using (var ms = new MemoryStream(s.Length)) {
        for (int i = 0; i < s.Length; ++i) {
          byte c = (byte)s[i];
          if (c >= 33 && c <= 60 || c >= 62 && c <= 126 || c==' ' || c=='\t') {
            ms.WriteByte(c);
            continue;
          }
          if (c == '=') {
            i += 2;
            if (s[i - 1] == '\r' && s[i] == '\n') {
              continue;
            }
            ms.WriteByte(byte.Parse(s.Substring(i - 1, 2), System.Globalization.NumberStyles.HexNumber));
          }
        }
        return e.GetString(ms.GetBuffer(), 0, (int)ms.Length);
      }
    }

В этом коде нет проверки на несоответствие кодировке Quote Printable. Так что если входная строка будет ей не соответствовать, то могут происходить разные ошибки: выход за пределы строки, ошибка при переводе из шестнадцатеричной строки в байт и другие. Описание кодировки здесь: http://kunegin.com/ref2/email/mime03.htm

В принципе по скорости и памяти было бы эффективнее самому переводить из 2-х шестнадцатеричных символов в байт, без "выгрызания" подстроки. Это чуть сложнее.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.