是否可以将法语字符从 .eml 文件读入 C# 字符串？

Question

我有一个项目，我需要根据 .eml 文件中的内容生成一个 .pdf 文件。当只处理英文字符时，我很好，pdf 被完美地创建并且一切正常（在我去除所有不必要的 html 垃圾之后）。

但是，当我尝试读取一个充满法语字符的 .eml 文件时，问题就来了。特别是法语字符存储为数字代码，如 =E9、=E8、œ 等等。

所以我的问题是这样的。我读了 .eml 文件：

string content = File.ReadAllText(filePath, Encoding.UTF8);

但是它以纯文本形式出现，我不知道如何使系统将 =E9 和 =E8 等代码解释为法语字符。我总是可以 Regex.Replace 一切，但我希望有一个更优雅的解决方案。有没有办法接收那长长的纯文本字符串并正确解释嵌入其中的代码，以便在不使用 30 Regex.Replace 表达式的情况下显示法语字符而不是它们各自的代码？

请注意，我不能使用任何内置的 iTextSharp 功能，因为我还需要能够将法语字符（从该 .eml 文件中提取）合并到 pdf 的文件名中。

谢谢

Answer 1

你可以使用正则表达式，但是两个正则表达式就足够了：

text = Regex.Replace(text, @"=([0-9A-Fa-f]{2})", match => ((char)uint.Parse(match.Groups[1].Value, NumberStyles.HexNumber)).ToString());
text = Regex.Replace(text, @"&#(\d+);", match => ((char)uint.Parse(match.Groups[1].Value)).ToString());

另一种方法是找到一个 MIME 解析库，它公开了解析部分 MIME 消息的方法，这样您就可以解码 =E9 代码。然后，您需要调用 WebUtility.HtmlDecode 来解析 HTML 实体。