文字列がbase64かどうかを見分ける方法

StackOverflow https://stackoverflow.com/questions/271657

  •  06-07-2019
  •  | 
  •  

質問

さまざまなソースから多数のメールが届きます。 彼らはすべて添付ファイルを持っています、それらの多くは中国語の添付ファイル名を持っているので、これらは 名前はメールクライアントによってbase64に変換されます。

これらのメールを受け取ったら、名前を解読したいと思います。しかし、ある他の名前があります base64ではありません。 jython プログラミング言語を使用して、文字列がbase64かどうかを区別するにはどうすればよいですか？

つまり。

最初の添付ファイル：

------=_NextPart_000_0091_01C940CC.EF5AC860
Content-Type: application/vnd.ms-excel;
 name="Copy of Book1.xls"
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
 filename="Copy of Book1.xls"

2番目の添付ファイル：

------=_NextPart_000_0091_01C940CC.EF5AC860
Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="
Content-Transfer-Encoding: base64
Content-Disposition: attachment;
 filename="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

＆quot; Content-Transfer-Encoding ＆quot;の両方に注意してください。 base64を持っている

役に立ちましたか？

解決

  

Content-Transfer-Encoding の両方にbase64があることに注意してください

この場合は関係ありません。 Content-Transfer-Encoding は、ヘッダーではなくボディペイロードにのみ適用されます。

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=

これは、 RFC2047 でエンコードされたヘッダーアトムです。デコードするstdlib関数は email.header.decode_header です。ただし、その関数の結果を解釈するには、まだ少し後処理が必要です。

import email.header
x= '=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?='
try:
    name= u''.join([
        unicode(b, e or 'ascii') for b, e in email.header.decode_header(x)
    ])
except email.Errors.HeaderParseError:
    pass # leave name as it was

ただし... 

Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

これは単に間違っています。どのメーラーが作成しましたか？ RFC2047エンコードはアトムでのみ発生し、引用符付き文字列はアトムではありません。 RFC2047＆＃167; 5はこれを明示的に拒否しています：

  
      
  • 「encoded-word」は「quoted-string」内に表示してはなりません。
    •   

長い文字列またはUnicode文字が存在する場合にパラメーターヘッダーをエンコードする方法は、 RFC2231 です。これはまったく新しい障害です。ただし、これに対処する標準のメール解析ライブラリを使用する必要があります。

したがって、必要に応じてファイル名パラメータで '=？' を検出し、RFC2047を介してデコードを試みることができます。ただし、厳密に言うと正しいことは、メーラーの言葉を実際に呼び出し、ファイル =？gb2312？B？uLGxvmhlbrixsb5nLnhscw ==？= ！

を呼び出すことです。

他のヒント

ヘッダーの値から次のことがわかります。

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=

"=?"     introduces an encoded value
"gb2312" denotes the character encoding of the original value
"B"      denotes that B-encoding (equal to Base64) was used (the alternative 
         is "Q", which refers to something close to quoted-printable)
"?"      functions as a separator
"uLG..." is the actual value, encoded using the encoding specified before
"?="     ends the encoded value

では、＆quot;？＆quot;で分割します実際にこれを取得します（JSON表記）

["=", "gb2312", "B", "uLGxvmhlbrixsb5nLnhscw==", "="]

結果の配列で、「B」が位置2にあり、位置3でbase-64エンコードされた文字列に直面します。それをデコードしたら、位置1のエンコードに注意を払ってください。情報。

@ gnud、@ edg-誤解しない限り、彼はファイルの内容ではなくファイル名について尋ねている @setori-Content-Trasfer-Encodingは、「ファイル名」ではなく、ファイルのコンテンツがどのようにエンコードされるかを示します。

私は専門家ではありませんが、ファイル名のこの部分は後続の文字について彼に伝えています：

=？gb2312？B？

RFCのドキュメントを探しています...ああ！ここにあります： http://tools.ietf.org/html/rfc2047

RFCの説明：

一般に、「エンコードされた単語」は、＆quot; =？＆quot;で始まり＆quot;？=＆quot;で終わり、間に2つの＆quot;？＆quot;がある印刷可能なASCII文字のシーケンスです。

他に見るべきものは、バグで使用するMIMEパーサー（C＃）であるSharpMimeToolsのコードです。追跡アプリ、 BugTracker.NET

decode_header の出力を処理するには、bobinceのメソッドよりも良い方法があります。ここで見つけました： http://mail.python.org /pipermail/email-sig/2007-March/000332.html 

name = unicode(email.header.make_header(email.header.decode_header(x)))

さて、メールヘッダーを辞書に解析します。そして、Content-Transfer-Encodingが設定されているかどうか、およびそれが＆quot; base64＆quot;であるかどうかを確認します。または＆quot; base-64＆quot;。

質問：＆quot;＆quot;＆quot;また、実際には.xlsまたは.docのようなファイルの種類を知る必要があるので、添付ファイルを正しく処理するためにファイル名をデコードする必要がありますが、上記のように思えますgb2312はjythonではサポートされていません。ロータリーについて知っていますか？＆quot;＆quot;＆quot;

データ：

Content-Type: application/vnd.ms-excel;
 name="=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?="

観察：

（1）最初の行はMicrosoft Excelを示しているため、 .xls は .doc

よりも見栄えがよくなります。

（2）

>>> import base64
>>> base64.b64decode("uLGxvmhlbrixsb5nLnhscw==")
'\xb8\xb1\xb1\xbehen\xb8\xb1\xb1\xbeg.xls'
>>>

（a）拡張機能は .xls のように見えます- gb2312 コーデックの必要はありません
（b）ファイルシステムセーフなファイル名が必要な場合は、＆quot; -_＆quot;を使用できます。 base64のバリアントまたはそれをパーセントエンコードできます
（c）価値のあるファイル名は XYhenXYg.xls です。ここで、XとYは2つの漢字で、「コピー」を意味します。残りはリテラルASCII文字です。

ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top