使用 javamail 只提取电子邮件正文的文本部分，没有 html 内容

Question

在我的项目中，我需要使用 javamail 从 MS Exchange 邮箱读取邮件并将其内容保存在硬盘中。但是我发现即使我收到的最简单的电子邮件也保存了 html 内容，例如 head body 等等，即使我只写了两个带格式的单词，没有图像，没有附件.但我只想要电子邮件的文本。

部分代码：

Object content = part.getContent();
if (content instanceof InputStream || content instanceof String) {
        if (Part.ATTACHMENT.equalsIgnoreCase(part.getDisposition()) || 
            StringUtils.isNotBlank(part.getFileName())) {
    String messageBody = part.getContent().toString();
....(write this string to files)
    }  
}

我可以写：

Hello world.

然后我得到一个包含所有 html 代码、fontface 和 <html> 等标签的 txt。

我看到this question，我发现他只检索文本内容，但我不能在那里发表评论，所以我必须post一个新问题，我看不出我的代码和他的代码有什么区别。他写道：

if (disposition != null && (disposition.equals(BodyPart.ATTACHMENT))) {


    DataHandler handler = bodyPart.getDataHandler();

    s1 = (String) bodyPart.getContent();`

那是关于 DataHandler 的吗？但它没有在任何地方使用？有人可以帮忙吗？

Answer 1

首先，您需要阅读这个 JavaMail FAQ 条目，它告诉您如何 find the main message body。如所写，在消息包含两者的情况下，它更喜欢 html 正文而不是纯文本正文。应该清楚如何扭转这种偏好。

但是，并非所有邮件都包含 html 和邮件正文的纯文本版本。如果你只得到 html，你将不得不编写自己的代码来处理字符串并删除 html 标签，或者使用其他产品来处理 html 并删除标签。

使用 javamail 只提取电子邮件正文的文本部分，没有 html 内容

Extract only text part of email body using javamail, without html content

html

jakarta-mail

plaintext