在C#中阅读mbox文件我们的一位工作人员丢失了他的邮箱，但幸运的是他转发了mbox格式的邮件。我需要以某种方式获取mbox文件中的所有消息并将它们喷射到我们的技术支持数据库中（因为它是一个自定义工具，所以没有可用的导入工具）。我发现SharpMimeTools会分解一条消息，但不允许您遍历mbox文件中的一堆消息。有谁知道无需学习RFC即可编写一个像样的解析器？我不知道有什么解析器，但mbox实际上是一种非常简单的格式。新消息以“发件人”（发件人+空格）开头的行开始，每个消息行的末尾附加一个空行。如果“发件人”出现在电子邮件本身一行的开头，它将被引出（通过添加“>”）。另请参阅有关该主题的维基百科条目。我在C#中使用MIME和mbox解析器调用MimeKit。它基于我编写的早期MIME和mbox解析器（例如GMime），它们非常快（可以在大约1秒内解析1.2GBmbox文件中的每条消息）。我没有测试MimeKit的性能，但我在C中使用了很多与在C中使用的相同的技术。我怀疑它会比我的C实现慢，但由于瓶颈是I/O，而MimeKit是为了做optimal(4k)读起来像GMime，它们应该非常接近。您发现当前方法缓慢的原因（StreamReader.ReadLine()，组合文本，然后将其传递给SharpMimeTools）是由于以下原因：StreamReader.ReadLine()不是从中读取数据的最佳方式一份文件。虽然我确定StreamReader()会进行内部缓冲，但它需要执行以下步骤：A)将从文件读取的字节块转换为unicode（这需要迭代从磁盘读取的byte[]中的字节以进行转换从流中读取的字节被转换为unicodechar[])。B)然后它需要遍历其内部char[]，将每个char复制到StringBuilder，直到找到“n”。因此，只有读取行，您至少有2次传递到您的mbox输入流。更不用说正在进行的所有内存分配......然后，将所有读取的行组合成一个字符串。这需要再次传递您的输入（大概是将从ReadLine()读取的每个字符串中的每个字符复制到StringBuilder中？）。我们现在对输入文本进行了3次迭代，我们甚至还没有解析它。现在，您将超字符串交给SharpMimeTools...(/facepalm)，它使用SharpMimeMessageStream，这是一个基于ReadLine()的解析器，位于另一个进行字符集转换的StreamReader之上。这甚至可以在任何事情之前进行5次迭代。如果SharpMimeMessageStream发现它读得太远，它还有一种方法可以“撤消”ReadLine()。所以有理由假设他至少扫描了其中一些线两次。更不用说正在进行的所有字符串分配......呃。对于每个标头，一旦SharpMimeTools有了它的行缓冲区，它就会被分成字段和值。那是另一个通行证。到目前为止，我们已经能够通过多达6次。SharpMimeTools然后使用string.Split()（这是一个很好的迹象表明此mime解析器不符合标准）通过拆分','和参数化标头（如Content-Type和Content-Disposition';'）来标记化在地址标题上。那是另一个通行证。（我们现在最多7次传递。）一旦它被拆分，它就会对string返回的每个字符串运行正则表达式匹配。在一次传递之前，每个rfc2047编码的单词标记传递更多的正则表达式。到目前为止，我们讨论的主要是至少9或10次传递的输入。我放弃了我的考试，因为它已经比GMime和MimeKit需要的多2倍，而且我知道我的解析器至少可以比它们少优化一次。此外，作为旁注，任何解析字符串而不是byte[]（或sbyte[]）的MIME解析器都不会很好。电子邮件的问题是许多邮件客户端/脚本/等在野外会在标题和消息文本中发送未声明的8位文本。unicode字符串解析器如何处理这个问题？提示：不能。2013-09-18更新：我已经使用MimeKit来解析mbox文件并成功地解决了这个问题，但它没有我的C库那么快。这是在iMac上测试的，所以I/O性能不如我的旧Linux机器（这是GMime能够在~1s内解析类似大小的mbox文件）：[fejj@localhostMimeKit]$mono./mbox-parser.exelarger.mbox在6.16秒内解析了14896条消息。[fejj@localhostMimeKit]$./gmime-mbox-parserlarger.mbox在3.78秒内解析了14896条消息。[fejj@localhostMimeKit]$ls-llarger.mbox-rw-r--r--1fejjstaff1032555628Sep1812:43larger.mbox如你所见，GMime仍然很快，但我有一些想法关于如何提高MimeKit解析器的性能。原来C#的fixed语句开销很大，需要复用。例如，我昨天做的一个简单优化将总时间缩短了大约2-3秒（如果我没记错的话）。优化更新：通过替换将性能提高20%：while(*inptr!=(byte)'n')inptr++;与：做{mask=*dword++^0x0A0A0A0A;掩码=((掩码-0x01010101)&(~掩码&0x80808080));}而（掩码==0）；inptr=(byte*)(dword-1);while(*inptr!=(byte)'n')inptr++;优化更新：我终于可以通过切换到使用Enum.HasFlag()并使用直接位掩码，最终使MimeKit与GMime一样快。MimeKit现在可以在3.78秒内解析相同的mbox流。相比之下，SharpMimeTools需要20多分钟（为了对此进行测试，我不得不将电子邮件拆分为单独的文件，因为SharpMimeTools无法解析mbox文件）。另一个更新：我通过对代码进行各种其他调整将其降低到3.00s。如果您会使用Python，那么标准库中就有一个。不幸的是，我找不到.NET。以上就是C#学习教程：阅读C#中mbox文件分享的全部内容。如果对你有用，需要进一步了解C#学习教程，希望大家多多关注。本文收集自网络，不代表立场。涉及侵权，请点击维权联系管理员删除。如需转载请注明出处：
