Как определить, является ли строка base64 или нет

Ну, вы разбираете заголовок электронного письма в словарь. И затем вы проверяете, установлено ли Content-Transfer-Encoding, и если оно = «base64» или «base-64».

@gnud, @edg - Если я не неправильно понял, он спрашивает об имени файла, а не о его содержимом. @setori - Content-Trasfer-Encoding сообщает вам, как кодируется СОДЕРЖАНИЕ файла, а не «имя файла».

Я не эксперт, но эта часть имени файла рассказывает ему о следующих за ним персонажах:

=? gb2312? B?

Я ищу документацию в RFC ... Ах! вот он: http://tools.ietf.org/html/rfc2047

RFC говорит:

Как правило, «закодированное слово» - это последовательность печатаемых символов ASCII, которая начинается с «=?», Заканчивается «? =» И имеет два символа «?» Между ними.

Еще стоит обратить внимание на код SharpMimeTools, парсера MIME (на C#), который я использую в своем приложении отслеживание ошибок, BugTracker.NET.

Значение заголовка сообщает вам следующее:

=?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

Итак, разделение на "?" действительно дает вам это (обозначение JSON)

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

В результирующем массиве, если "B" находится в позиции 2, вы столкнетесь со строкой в ​​кодировке base-64 в позиции 3. После того, как вы ее декодировали, обязательно обратите внимание на кодировку в позиции 1, вероятно, лучше всего было бы преобразовать все это в UTF-8, используя эту информацию.

Please note both Content-Transfer-Encoding have base64

Не имеет значения в этом случае, Content-Transfer-Encoding применяется только к полезной нагрузке тела, а не к заголовкам.

=?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=

Это атом заголовка в кодировке RFC2047. Функция stdlib для его декодирования - email.header.decode_header. Тем не менее, для интерпретации результата этой функции все еще требуется небольшая пост-обработка:

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

Тем не мение...

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

Это просто неправильно. Какой почтовик это создал? Кодирование RFC2047 может происходить только в атомах, а строка в кавычках не является атомом. RFC2047 §5 явно отрицает это:

• An 'encoded-word' MUST NOT appear within a 'quoted-string'.

Общепринятый способ кодирования заголовков параметров при наличии длинной строки или символов Unicode - это RFC2231, что представляет собой совершенно новую проблему. Но вы должны использовать стандартную библиотеку для анализа почты, которая справится с этим за вас.

Итак, вы можете обнаружить '=?' в параметрах имени файла, если хотите, и попытаться декодировать его через RFC2047. Однако, строго говоря, правильнее всего было бы поверить почтовику на слово и действительно назвать файл =?gb2312?B?uLGxvmhlbrixsb5nLnhscw==?=!

Есть способ лучше, чем метод Бобинса, для обработки вывода decode_header. Нашел здесь: http://mail.python.org/pipermail/email-sig/2007-March/000332.html

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

Вопрос: "" "Также мне действительно нужно знать, какой это тип файла, например .xls или .doc, поэтому мне нужно декодировать имя файла, чтобы правильно обработать вложение, но, как указано выше, похоже, что gb2312 не поддерживается в jython , знаете какие-нибудь карусели? "" "

Данные:

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

Наблюдения:

(1) Первая строка указывает на Microsoft Excel, поэтому .xls выглядит лучше, чем .doc.

(2)

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

(a) Расширение похоже на .xls - кодек gb2312 не требуется
(b) Если вам нужно имя файла, безопасное для файловой системы, вы можете использовать вариант base64 "-_" ИЛИ вы можете его закодировать в процентах
(c) Как бы то ни было, имя файла - XYhenXYg.xls, где X и Y - это 2 китайских символа, которые вместе означают «копировать», а остальные - буквальные символы ASCII.