我有一封 SMTP 电子邮件，其中一部分是日语，一部分是英语。 电子邮件的主题采用 UTF-8、base64 编码。
主题:=?UTF-8?B?5Y2K5bCO5L2T6KO96YCg6KOF572u44OX44Os44OT44Ol44O844OO44O8?= =?UTF-8?B?44OIIDog5b6M5bel56iL44Oh44O844Kr44O844GM5by344GE?=
如何检测这是否是日文/中文并将其解码为日文/中文。
我可以用 Perl/Java/Python 实现这个目标吗？
最佳答案
这里有两个步骤。首先解码 header :
如果您有电子邮件，请使用高级电子邮件解析器，例如 Courriel 。 subject accessor将返回解码后的主题。
如果您只有字符串，请使用 Encode::MIME::Header :
use Encode qw(decode);
decode 'MIME-Header', 'Subject: =?UTF-8?B?5Y2K5bCO5L2T6KO96YCg6KOF572u44OX44Os44OT44Ol44O844OO44O8?= =?UTF-8?B?44OIIDog5b6M5bel56iL44Oh44O844Kr44O844GM5by344GE?='
__END__
Subject: 半導体製造装置プレビューノート : 後工程メーカーが強い
第二步是找出语言。作为一个人，我已经知道这是日本人了。 kana字符是线索，它们只出现在日语写作中。如果这就是您所需要的，那么如果字符串匹配 \p{Kana} ，很可能是日语。
对于更通用的解决方案，您可以使用语言检测库，例如 Lingua::Identify <强> ::CLD , Lingua::Ident , Lingua::Lid , Lingua::YALI , WebService::Google::Language .
关于java - 从 UTF-8 base64 编码识别日语，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17313021/