V programu Kecal je implementována funkce pro posílání záznamu rozhovorů přímo mě na e-mail. Je to pro analýzu rozhovorů několika lidí s tímto programem a následné vyhodnocení, jaké věty mu uživatelé nejčastěji píšou, čemu nejvíc nerozumí atd. A právě do téhle analýzy jsem se právě pustil a jako první krok jsem potřeboval převézt několik e-mailů na prostý text. Mimochodem, do dnešního dne jsem obdržel neuvěřitelných 1 269 e-mailů! Tímto děkuji všem, kdo si udělali čas a tyto záznamy poslali.
Nebudu se zabývat HTML e-mailem - ten je většinou posílán i s prostým textem, takže se dá tato část e-mailu odfiltrovat a o nic nepříjdete. Standardní e-maily jsou posílány ve formátu MIME a ten se dále rozděluje na dva typy kódování znaků:
- Quoted-printable - celý text je v ASCII a speciality jako je diakritika jsou psány pomocí hexadecimálního kódu (aby se tento kód rozlišil od okolního textu, tak je vždy započat znakem “rovná se”)
- Base64 - zakódovaný text do nečitelné podoby, způsobem kódování pomocí jedniček a nul vás nebudu zatěžovat
Protože počet e-mailů s kódováním Base64 se dal spočítat na prstech jedné ruky,
jasně zvítězilo první a zároveň jednodušší kódování. Naprogramovat takovou jednoduchou
věc není žádný problém, ale největší oříšek byl ten hexadecimální kód - nevěděl jsem
totiž, jak ho z textu převézt na číslo. Po dlouhém hledání jsem ovšem našel velmi
jednoduché řešení - je na to funkce strtol.
Více než slova řekne zdrojový kód:
#include "stdafx.h"
#include <iostream>
#include <fstream>
#include <stdlib.h>
using namespace std;
int main(int argc, char *argv[])
{
FILE *vstup, *vystup;
char radek[200], novyradek[200], hex[6];
// zacatek hlavicky e-mailu
char zacatek[7] = "From -";
char *p;
int delka, n, cislo;
bool shodne, preskoc = false;
if (argc != 3)
{
printf("Program musi byt volan se dvema parametry:\\n");
printf("convert.exe vstup.txt vystup.txt\\n");
exit(1);
}
// otevru soubor (prvni parametr) pro cteni
fopen_s(&vstup, argv[1], "r");
if (vstup == NULL)
{
printf( "Vstupni soubor nelze otevrit !!!\\n" );
exit(1);
}
// otevru soubor (druhy parametr) pro zapis
fopen_s(&vystup, argv[2], "w");
if (vystup == NULL)
{
printf( "Vystupni soubor nelze otevrit !!!\\n" );
exit(1);
}
// dokud neni dosazen konec vstupniho souboru
while (!feof(vstup))
{
// nactu cely radek
fgets(radek, 200, vstup);
delka = (unsigned) strlen(radek);
// tady mam preskakovani hlavicky e-mailu
// abych neprepisoval data v ni
if (preskoc)
{
// v hlavicce nahrazovani znaku nedelam a proto
// napisu cely radek nezmeneny na vystup
fprintf(vystup, "%s", radek);
// konec hlavicky
if (delka == 1) preskoc = false;
}
else
{
if (delka > 6)
{
// zjisteni, zda tento radek neni zacatek hlavicky
// e-mailu (jestli neobsahuje "From -")
shodne = true;
for (int i = 0; i < 6; i++)
{
if (radek[i] != zacatek[i]) shodne = false;
}
if (shodne) preskoc = true;
}
// "vymazani" promenne novyradek
memset(novyradek, 0, sizeof(novyradek));
n = 0;
// prochazim jednotlive znaky radku
for (int i = 0; i < delka; i++)
{
if (radek[i] == ''='')
{
if ((radek[i+1] == NULL) || (radek[i+2] == NULL)) break;
// dva znaky za ''='' jsou hexadecimalni cislo, proto z toho
// nejdrive udelam retezec ve tvaru napr. 0x3D
sprintf_s(hex, sizeof(hex), "0x%c%c", radek[i+1], radek[i+2]);
// pak tento retezec prevedu na hexadecimalni cislo (typu int)
cislo = strtol(hex, &p, 0);
// a nakonec z tohoto cisla udelam znak
novyradek[n++] = (char) cislo;
// dva znaky za ''='' uz jsem pouzil, proto je preskocim
i += 2;
}
else novyradek[n++] = radek[i];
}
// radek s prevedenymi znaky napisu na vystup
fprintf(vystup, "%s", novyradek);
}
}
printf("E-mail byl preveden na text.\\n");
// nakonec oba soubory zavru
fclose(vystup);
fclose(vstup);
return 0;
}
Pokud netušíte, jak takový Quoted-printable e-mail vypadá, tak právě pro vás zde
mám ukázku elektronického dopisu, který putuje od [email protected] do
[email protected] (e-maily jsou vymyšlené, ve skutečnosti to je ukázka záznamu
rozhovoru již zmíněného Kecala):
From - Wed Jan 12 18:28:37 2005
Received: by mail3 from <[email protected]> for <[email protected]>;
Thu, 06 Jan 2005 17:06:32 +0100
X-Virus-Scanner: This message was checked by NOD32 Antivirus system
NOD32 for Linux Mail Server.
For more information on NOD32 Antivirus System,
please, visit our website: http://www.nod32.com/.
Received: from black.click.cz ([62.141.0.10]:45972 "EHLO click.cz")
by mail.centrum.cz with ESMTP id <S279337AbVAFQFt>;
Thu, 6 Jan 2005 17:05:49 +0100
Received: from Linspire1234C (gprsg1.isp.t-mobile.cz [62.141.25.1])
by click.cz (8.12.9/8.12.9) with SMTP id j06G5c2b010620
for <[email protected]>; Thu, 6 Jan 2005 17:05:41 +0100 (MET)
Date: Thu, 6 Jan 2005 17:05:38 +0100 (MET)
Message-ID: <000001c4f409$903238f0$fc3b18ac@Linspire1234C>
From: "Abrakadabra" <[email protected]>
To: "Kouzelnik" <[email protected]>
Subject: Pomoc autorovi
MIME-Version: 1.0
Content-Type: text/plain;
charset="iso-8859-2"
Content-Transfer-Encoding: quoted-printable
X-Mailer: Microsoft Outlook Express 6.00.2900.2180
X-MimeOLE: Produced By Microsoft MimeOLE V6.00.2900.2180
* Program Kecal spu=B9t=ECn dne 6. ledna 2005 v 12:07:35.
P: V=EDt=E1m t=EC, nov=FD u=BEivateli !!!
P: Jako prvn=ED v=ECc zm=E1=E8kni F4 a vypl=F2 info o u=BEivateli.
C: Zdar, jak se m=E1=B9 ?
P: Blb=EC. Tisk=E1rna mi dala kopa=E8ky.
C: Co se stalo ? Pov=EDdej.
P: Zkus se nad t=EDm zamyslet a p=F8ijde=B9 na odpov=EC=EF s=E1m.
...
Doba rozhovoru: 00:06:36 Napsan=FDch v=ECt: 10
A pomocí mého prográmku bude e-mail vypadat takto (hlavičku už znovu nepíšu, ta zůstane stejná):
* Program Kecal spuštěn dne 6. ledna 2005 v 12:07:35.
P: Vítám tě, nový uživateli !!!
P: Jako první věc zmáčkni F4 a vyplň info o uživateli.
C: Zdar, jak se máš ?
P: Blbě. Tiskárna mi dala kopačky.
C: Co se stalo ? Povídej.
P: Zkus se nad tím zamyslet a přijdeš na odpověď sám.
...
Doba rozhovoru: 00:06:36 Napsaných vět: 10