如何从文件中提取多行扩展的电子邮件标题

Question

我正在尝试在 linux 上使用 sed 从电子邮件文件中提取 To 标头。

问题在于 To 标题可能位于多行上。

例如：

To: name1@mydomain.org, name2@mydomain.org,
    name3@mydomain.org, name4@mydomain.org, 
    name5@mydomain.org
Message-ID: <46608700.369886.1549009227948@domain.org>

我尝试了以下方法：

sed -n -e '/^[Tt]o: / { N; p; }' _message_file_ |
    awk '{$1=$1;printf("%s ",$0)};NR%2==0{print ""}'

sed 命令提取以 To 开头的行和下一行。 我将输出通过管道传输到 awk 以将所有内容放在一行中。

完整的命令输出在一行中：

To: name1@mydomain.org, name2@mydomain.org, name3@mydomain.org, name4@mydomain.org

我不知道如何继续测试下一行是否以空格开头并将其添加到结果中。

我想要的是所有的地址

To: name1@mydomain.org, name2@mydomain.org, name3@mydomain.org, name4@mydomain.org, name5@mydomain.org

任何帮助将不胜感激。

Answer 1

formail 是一个很好的解决方案，但这里是使用 sed 的方法：

sed -e '/^$/q;/^To:/!d;n;:c;/^\s/!d;n;bc' message_file 

• /^$/q; - （可选）如果我们的标题用完了就退出
• /^To:/!d; - 如果不是 To: 标头，则停止处理此行
• n; - 否则，隐式打印并加载下一行
• :c; - c 是我们可以分支到的标签
• /^\s/!d; - 如果不是延续，则停止处理此行
• n; - 否则，隐式打印并加载下一行
• bc - 分支回到标签 c（即循环）

Answer 2

我是这样做的：

cat _message_file | formail -X To: | awk '{$1=$1;printf("%s ",$0)};NR%2==0{print ""}'

或者：

formail -X To: < _message_file | awk '{$1=$1;printf("%s ",$0)};NR%2==0{print ""}'

Answer 3

formail 和 reformail 都有一个 -c 选项可以做到这一点。

来自man reformail：

-c   Concatenate multi-line headers. Headers split on multiple lines
     are combined into a single line.

所以您不需要将输出通过管道传输到 awk，并且可以这样做

reformail -c -X To: < $your_message_file

但是，电子邮件通常使用 CRLF 行结尾，并且由于 CR 字符，屏幕上的输出可能会出现乱码。要删除它们，您可以使用 Perl 的通用 \R 在输出中以正则表达式结尾的行：

reformail -c -X To: < $your_message_file | perl -pe 's/\R/\n/g'

如果您愿意，也可以在输入上执行：

perl -pe 's/\R/\n/g' $your_message_file | reformail -c -X To:

在 Debian 和 Ubuntu 等衍生系统上，您可以使用以下命令安装它们

• apt install maildrop 代表reformail，它是Courier's maildrop 的一部分

• 或apt install procmail 为formail（但procmail 现在似乎已被放弃）。

Answer 4

这可能对你有用（GNU sed）：

sed -n '/^To:/{:a;N;/^ /Ms/\s*\n\s*/ /;ta;P}' file

使用-n 选项关闭隐式打印。收集以空格开头的行，删除换行符两侧的空格并将其替换为一个空格，从以To: 开头的行开始。当匹配失败时，打印模式空间的第一行。

要按原样打印地址，请使用：

sed '/^\S/h;G;/^To:/MP;d' file