使用 javamail 仅提取电子邮件正文的文本部分，不提取 html 内容答案

【问题标题】：Extract only text part of email body using javamail, without html content使用 javamail 仅提取电子邮件正文的文本部分，不提取 html 内容
【发布时间】：2015-07-15 10:55:28
【问题描述】：

在我的项目中，我需要使用 javamail 从 MS Exchange 邮箱读取邮件并将其内容保存在硬盘驱动器中。但是我发现即使是我收到的最简单的电子邮件也保存了html的内容，比如headbody等等，即使我只写了两个带格式的单词，没有图像，没有附件。但我只想要电子邮件的文本。

部分代码：

Object content = part.getContent();
if (content instanceof InputStream || content instanceof String) {
        if (Part.ATTACHMENT.equalsIgnoreCase(part.getDisposition()) || 
            StringUtils.isNotBlank(part.getFileName())) {
    String messageBody = part.getContent().toString();
....(write this string to files)
    }  
}

我可以写：

Hello world.

我得到一个包含所有 html 代码的 txt，以及 fontface 和 <html> 等标签。

我看到this question，我发现他只检索文本内容，但我不能在那里发表评论，所以我必须发布一个新问题，我看不出我的代码和他的代码有什么区别。他写道：

if (disposition != null && (disposition.equals(BodyPart.ATTACHMENT))) {


    DataHandler handler = bodyPart.getDataHandler();

    s1 = (String) bodyPart.getContent();`

那么是关于DataHandler 吗？但它没有在任何地方使用？有人可以帮忙吗？

【问题讨论】：

标签： html jakarta-mail plaintext

【解决方案1】：

首先，您需要阅读此 JavaMail FAQ 条目，该条目告诉您如何使用find the main message body。如所写，在消息包含两者的情况下，它更喜欢 html 正文而不是纯文本正文。应该清楚如何扭转这种偏好。

但是，并非所有邮件都包含邮件正文的 html 和纯文本版本。如果您只获得 html，您将不得不编写自己的代码来处理字符串并删除 html 标签，或者使用其他产品来处理 html 并删除标签。

【讨论】：

感谢您的评论，但我不明白为什么订单在您发布的链接中意味着什么。并更改if - else 的顺序会更改首选项和输出？你能再详细说明一下吗？
根据定义 multipart/alternative 的 RFC 2046，替代品的出现顺序是增加对原始内容的忠实度。这意味着您会在 text/html 之前找到 text/plain。如果您更喜欢 text/plain，则可以更改该代码以在找到 text/plain 内容后立即返回；无需继续寻找其他身体部位。
好的，谢谢。我决定将整个消息检索为 html，因为它包含更多信息。我更喜欢保持电子邮件的结构，而不是弄乱所有的文本。
最后我用了Jsoup，效果很好。诀窍是，您必须先手动删除 <head> 部分，其余的由 Jsoup 完成。