在 perl 中将 Outlook htmlrtf 转换为 html

Posted 2023-04-12

【中文标题】在 perl 中将 Outlook htmlrtf 转换为 html

【英文标题】：Convert Outlook htmlrtf to html in perl

【发布时间】：2021-09-05 19:43:46

【问题描述】：

我设法使用Email::Outlook::Message 从 Outlook .msg 中提取了 RTF 部分。下面是它的外观：

\*\htmltag84 <b>\htmlrtf \b \htmlrtf0
\*\htmltag148 <span lang="EN-US" style="font-size:12.0pt;color:#002060;mso-fareast-language:EN-IN">\htmlrtf \lang1033 \htmlrtf0 FooBar
\*\htmltag156 </span>\htmlrtf \htmlrtf0 
\*\htmltag92 </b>\htmlrtf \htmlrtf0

当 Outlooks 发送 Internet 邮件时，它会将 RTF 转换为 text/html：

<b><span style="font-size:12.0pt;color:#002060;mso-fareast-language:EN-IN">FooBar</span></b>

我正在尝试使用RTF::HTML::Converter 做同样的事情，但它会剥离所有样式：

<b>FooBar</b>

这是脚本：

use strict;
use RTF::HTML::Converter;
my $object = RTF::HTML::Converter->new(
        output => \*STDOUT
);
local *RTF_FILE;
open RTF_FILE, "$ARGV[0]" or die $!;
$object->parse_stream( \*RTF_FILE );

我还尝试了unrtf 工具。它还剥离了样式：

<font face="Arial"><font size="3"><b>FooBar</b></font></font>

【参考方案1】：

在您的示例中，rtf 控制字看起来是多余的，并由\htmlrtf \htmlrtf0 包装。您的用例完全剥离它们并仅使用 html 标记可能就足够了。 （如果您有更高级的格式或嵌入图像等，这种幼稚的方法可能会失败。）

use strict;
use warnings;


while (my $line = <>)
    $line =~ s|\\htmlrtf.*?\\htmlrtf0||;
    $line =~ s|\\\*\\htmltag\d+([^]*)|$1|;
    print $line;

perl test.pl test.rtf
 <b>
 <span lang="EN-US" style="font-size:12.0pt;color:#002060;mso-fareast-language:EN-IN"> FooBar
 </span> 
 </b>

【参考方案2】：

您需要解析 RTF 以提取 HTML，我不知道有任何库可以这样做。

如果使用Redemption 是一个选项，它会暴露RDOSession.GetMessageFromMsgFile，它会返回RDOMail 对象——你可以阅读它的HTMLBody 属性；它会为你从 RTF 中提取 HTML。