mimedecode.py

   1 #! /usr/bin/env python
   2 """Decode MIME message"""
   3
   4 import sys, os
   5 from mimedecode_version import __version__, \
   6     __author__, __copyright__, __license__
   7
   8 me = os.path.basename(sys.argv[0])
   9
  10
  11 def version(exit=1):
  12     sys.stdout.write("""\
  13 Broytman mimedecode.py version %s, %s
  14 """ % (__version__, __copyright__))
  15     if exit: sys.exit(0)
  16
  17 def usage(code=0, errormsg=''):
  18     version(0)
  19     sys.stdout.write("""\
  20         Usage: %s [-h|--help] [-V|--version] [-cCDP] [-H|--host=hostname] [-f charset] [-d header1[,h2,...]|*[,-h1,...]] [-p header1[,h2,h3,...]:param1[,p2,p3,...]] [-r header1[,h2,...]|*[,-h1,...]] [-R header1[,h2,h3,...]:param1[,p2,p3,...]] [--set-header header:value] [--set-param header:param=value] [-Bbeit mask] [--save-headers|body|message mask] [-O dest_dir] [-o output_file] [input_file [output_file]]
  21 """ % me)
  22     if errormsg:
  23         sys.stderr.write(errormsg + os.linesep)
  24     sys.exit(code)
  25
  26
  27 def output_headers(msg):
  28     unix_from = msg.get_unixfrom()
  29     if unix_from:
  30         output(unix_from + os.linesep)
  31     for key, value in msg.items():
  32         output("%s: %s%s" % (key, value, os.linesep))
  33     output(os.linesep) # End of headers
  34
  35
  36 def recode_if_needed(s, charset):
  37     if charset and charset.lower() <> g.default_encoding:
  38         s = unicode(s, charset, "replace").encode(g.default_encoding, "replace")
  39     return s
  40
  41
  42 def _decode_header(s):
  43     """Return a decoded string according to RFC 2047.
  44     NOTE: This is almost the same as email.Utils.decode.
  45     """
  46     import email.Header
  47
  48     L = email.Header.decode_header(s)
  49     if not isinstance(L, list):
  50         # s wasn't decoded
  51         return s
  52
  53     rtn = []
  54     for atom, charset in L:
  55         if charset is None:
  56             rtn.append(atom)
  57         else:
  58             rtn.append(recode_if_needed(atom, charset))
  59         rtn.append(' ')
  60     del rtn[-1] # remove the last space
  61
  62     # Now that we've decoded everything, we just need to join all the parts
  63     # together into the final string.
  64     return ''.join(rtn)
  65
  66 def decode_header(msg, header):
  67     "Decode mail header (if exists) and put it back, if it was encoded"
  68
  69     if msg.has_key(header):
  70         value = msg[header]
  71         new_value = _decode_header(value)
  72         if new_value <> value: # do not bother to touch msg if not changed
  73             set_header(msg, header, new_value)
  74
  75
  76 def decode_header_param(msg, header, param):
  77     "Decode mail header's parameter (if exists) and put it back, if it was encoded"
  78
  79     if msg.has_key(header):
  80         value = msg.get_param(param, header=header)
  81         if value:
  82             if isinstance(value, tuple):
  83                 new_value = recode_if_needed(value[2], value[0])
  84             else:
  85                 new_value = _decode_header(value)
  86             if new_value <> value: # do not bother to touch msg if not changed
  87                 msg.set_param(param, new_value, header)
  88
  89
  90 def _get_exceptions(list):
  91     return [x[1:].lower() for x in list[1:] if x[0]=='-']
  92
  93 def _decode_headers_params(msg, header, decode_all_params, param_list):
  94     if decode_all_params:
  95         params = msg.get_params(header=header)
  96         if params:
  97             for param, value in params:
  98                 if param not in param_list:
  99                     decode_header_param(msg, header, param)
 100     else:
 101         for param in param_list:
 102             decode_header_param(msg, header, param)
 103
 104 def _remove_headers_params(msg, header, remove_all_params, param_list):
 105     if remove_all_params:
 106         params = msg.get_params(header=header)
 107         if params:
 108             if param_list:
 109                 for param, value in params:
 110                     if param not in param_list:
 111                         msg.del_param(param, header)
 112             else:
 113                 value = msg[header]
 114                 if value is None: # No such header
 115                     return
 116                 if ';' not in value: # There are no parameters
 117                     return
 118                 del msg[header] # Delete all such headers
 119                 # Get the value without parameters and set it back
 120                 msg[header] = value.split(';')[0].strip()
 121     else:
 122         for param in param_list:
 123             msg.del_param(param, header)
 124
 125 def decode_headers(msg):
 126     "Decode message headers according to global options"
 127
 128     for header_list in g.remove_headers:
 129         header_list = header_list.split(',')
 130         if header_list[0] == '*': # Remove all headers except listed
 131             header_list = _get_exceptions(header_list)
 132             for header in msg.keys():
 133                 if header.lower() not in header_list:
 134                     del msg[header]
 135         else: # Remove listed headers
 136             for header in header_list:
 137                 del msg[header]
 138
 139     for header_list, param_list in g.remove_headers_params:
 140         header_list = header_list.split(',')
 141         param_list = param_list.split(',')
 142         remove_all_params = param_list[0] == '*' # Remove all params except listed
 143         if remove_all_params:
 144             param_list = _get_exceptions(param_list)
 145         if header_list[0] == '*': # Remove for all headers except listed
 146             header_list = _get_exceptions(header_list)
 147             for header in msg.keys():
 148                 if header.lower() not in header_list:
 149                     _remove_headers_params(msg, header, remove_all_params, param_list)
 150         else: # Decode for listed headers
 151             for header in header_list:
 152                 _remove_headers_params(msg, header, remove_all_params, param_list)
 153
 154     for header_list in g.decode_headers:
 155         header_list = header_list.split(',')
 156         if header_list[0] == '*': # Decode all headers except listed
 157             header_list = _get_exceptions(header_list)
 158             for header in msg.keys():
 159                 if header.lower() not in header_list:
 160                     decode_header(msg, header)
 161         else: # Decode listed headers
 162             for header in header_list:
 163                 decode_header(msg, header)
 164
 165     for header_list, param_list in g.decode_header_params:
 166         header_list = header_list.split(',')
 167         param_list = param_list.split(',')
 168         decode_all_params = param_list[0] == '*' # Decode all params except listed
 169         if decode_all_params:
 170             param_list = _get_exceptions(param_list)
 171         if header_list[0] == '*': # Decode for all headers except listed
 172             header_list = _get_exceptions(header_list)
 173             for header in msg.keys():
 174                 if header.lower() not in header_list:
 175                     _decode_headers_params(msg, header, decode_all_params, param_list)
 176         else: # Decode for listed headers
 177             for header in header_list:
 178                 _decode_headers_params(msg, header, decode_all_params, param_list)
 179
 180
 181 def set_header(msg, header, value):
 182     "Replace header"
 183
 184     if msg.has_key(header):
 185         msg.replace_header(header, value)
 186     else:
 187         msg[header] = value
 188
 189
 190 def set_content_type(msg, newtype, charset=None):
 191     msg.set_type(newtype)
 192
 193     if charset:
 194         msg.set_param("charset", charset, "Content-Type")
 195
 196
 197 caps = None # Globally stored mailcap database; initialized only if needed
 198
 199 def decode_body(msg, s):
 200     "Decode body to plain text using first copiousoutput filter from mailcap"
 201
 202     import mailcap, tempfile
 203
 204     global caps
 205     if caps is None:
 206         caps = mailcap.getcaps()
 207
 208     content_type = msg.get_content_type()
 209     filename = tempfile.mktemp()
 210     command = None
 211
 212     entries = mailcap.lookup(caps, content_type, "view")
 213     for entry in entries:
 214         if entry.has_key('copiousoutput'):
 215             if entry.has_key('test'):
 216                 test = mailcap.subst(entry['test'], content_type, filename)
 217                 if test and os.system(test) != 0:
 218                     continue
 219             command = mailcap.subst(entry["view"], content_type, filename)
 220             break
 221
 222     if not command:
 223         return s
 224
 225     outfile = open(filename, 'wb')
 226     outfile.write(s)
 227     outfile.close()
 228
 229     pipe = os.popen(command, 'r')
 230     s = pipe.read()
 231     pipe.close()
 232     os.remove(filename)
 233
 234     set_content_type(msg, "text/plain")
 235     msg["X-MIME-Autoconverted"] = "from %s to text/plain by %s id %s" % (content_type, g.host_name, command.split()[0])
 236
 237     return s
 238
 239
 240 def recode_charset(msg, s):
 241     "Recode charset of the message to the default charset"
 242
 243     save_charset = charset = msg.get_content_charset()
 244     if charset and charset.lower() <> g.default_encoding:
 245         s = recode_if_needed(s, charset)
 246         content_type = msg.get_content_type()
 247         set_content_type(msg, content_type, g.default_encoding)
 248         msg["X-MIME-Autoconverted"] = "from %s to %s by %s id %s" % (save_charset, g.default_encoding, g.host_name, me)
 249     return s
 250
 251
 252 def totext(msg, instring):
 253     "Convert instring content to text"
 254
 255     # Decode body and recode charset
 256     s = decode_body(msg, instring)
 257     if g.recode_charset:
 258         s = recode_charset(msg, s)
 259
 260     output_headers(msg)
 261     output(s)
 262     return s
 263
 264
 265 mimetypes = None
 266
 267 def _guess_extension(ctype):
 268     global mimetypes
 269     if mimetypes is None:
 270         import mimetypes
 271         mimetypes.init()
 272         user_mime_type = os.path.expanduser('~/.mime.types')
 273         if os.path.exists(user_mime_type):
 274             mimetypes._db.read(user_mime_type)
 275     return mimetypes.guess_extension(ctype)
 276
 277 def _save_message(msg, outstring, save_headers=False, save_body=False):
 278     for header, param in (
 279         ("Content-Disposition", "filename"),
 280         ("Content-Type", "name"),
 281     ):
 282         fname = msg.get_param(param, header=header)
 283         if fname:
 284             if isinstance(fname, tuple):
 285                 fname = fname[2] # Do not recode if it isn't recoded yet
 286             try:
 287                     for forbidden in chr(0), '/', '\\':
 288                         if forbidden in fname:
 289                             raise ValueError
 290             except ValueError:
 291                 continue
 292             fname = '-' + fname
 293             break
 294     else:
 295         fname = ''
 296     g.save_counter += 1
 297     fname = str(g.save_counter) + fname
 298     if '.' not in fname:
 299         ext = _guess_extension(msg.get_content_type())
 300         if ext: fname += ext
 301
 302     global output
 303     save_output = output
 304     outfile = open_output_file(fname)
 305     output = outfile.write
 306     if save_headers:
 307         output_headers(msg)
 308     if save_body:
 309         output(outstring)
 310     outfile.close()
 311     output = save_output
 312
 313
 314 def decode_part(msg):
 315     "Decode one part of the message"
 316
 317     decode_headers(msg)
 318
 319     # Test all mask lists and find what to do with this content type
 320     masks = []
 321     ctype = msg.get_content_type()
 322     if ctype:
 323         masks.append(ctype)
 324         mtype = ctype.split('/')[0]
 325         masks.append(mtype + '/*')
 326     masks.append('*/*')
 327
 328     left_binary = False
 329     for content_type in masks:
 330         if content_type in g.totext_mask or \
 331            content_type in g.decoded_binary_mask:
 332             break
 333         elif content_type in g.binary_mask:
 334             left_binary = True
 335             break
 336         elif content_type in g.fully_ignore_mask:
 337             return
 338
 339     encoding = msg["Content-Transfer-Encoding"]
 340     if left_binary or encoding in (None, '', '7bit', '8bit', 'binary'):
 341         outstring = msg.get_payload()
 342     else: # Decode from transfer ecoding to text or binary form
 343         outstring = msg.get_payload(decode=1)
 344         set_header(msg, "Content-Transfer-Encoding", "8bit")
 345         msg["X-MIME-Autoconverted"] = "from %s to 8bit by %s id %s" % (encoding, g.host_name, me)
 346
 347     for content_type in masks:
 348         if content_type in g.totext_mask:
 349             outstring = totext(msg, outstring)
 350             break
 351         elif content_type in g.binary_mask or \
 352              content_type in g.decoded_binary_mask:
 353             output_headers(msg)
 354             output(outstring)
 355             break
 356         elif content_type in g.ignore_mask:
 357             output_headers(msg)
 358             output("%sMessage body of type %s skipped.%s" % (os.linesep, ctype, os.linesep))
 359             break
 360         elif content_type in g.error_mask:
 361             break
 362     else:
 363         # Neither content type nor masks were listed - decode by default
 364         outstring = totext(msg, outstring)
 365
 366     for content_type in masks:
 367         if content_type in g.save_headers_mask:
 368             _save_message(msg, outstring, save_headers=True, save_body=False)
 369         if content_type in g.save_body_mask:
 370             _save_message(msg, outstring, save_headers=False, save_body=True)
 371         if content_type in g.save_message_mask:
 372             _save_message(msg, outstring, save_headers=True, save_body=True)
 373
 374     for content_type in masks:
 375         if content_type in g.error_mask:
 376             raise ValueError, "content type %s prohibited" % ctype
 377
 378 def decode_multipart(msg):
 379     "Decode multipart"
 380
 381     decode_headers(msg)
 382     boundary = msg.get_boundary()
 383
 384     masks = []
 385     ctype = msg.get_content_type()
 386     if ctype:
 387         masks.append(ctype)
 388         mtype = ctype.split('/')[0]
 389         masks.append(mtype + '/*')
 390     masks.append('*/*')
 391
 392     for content_type in masks:
 393         if content_type in g.fully_ignore_mask:
 394             return
 395         elif content_type in g.ignore_mask:
 396             output_headers(msg)
 397             output("%sMessage body of type %s skipped.%s" % (os.linesep, ctype, os.linesep))
 398             if boundary:
 399                 output("%s--%s--%s" % (os.linesep, boundary, os.linesep))
 400             return
 401         elif content_type in g.error_mask:
 402             raise ValueError, "content type %s prohibited" % ctype
 403
 404     output_headers(msg)
 405
 406     if msg.preamble: # Preserve the first part, it is probably not a RFC822-message
 407         output(msg.preamble) # Usually it is just a few lines of text (MIME warning)
 408     if msg.preamble is not None:
 409         output(os.linesep)
 410
 411     first_subpart = True
 412     for subpart in msg.get_payload():
 413         if boundary:
 414             if first_subpart:
 415                 first_subpart = False
 416             else:
 417                 output(os.linesep)
 418             output("--%s%s" % (boundary, os.linesep))
 419
 420         # Recursively decode all parts of the subpart
 421         decode_message(subpart)
 422
 423     if boundary:
 424         output("%s--%s--%s" % (os.linesep, boundary, os.linesep))
 425
 426     if msg.epilogue:
 427         output(msg.epilogue)
 428
 429
 430 def decode_message(msg):
 431     "Decode message"
 432
 433     if msg.is_multipart():
 434         decode_multipart(msg)
 435     elif len(msg): # Simple one-part message (there are headers) - decode it
 436         decode_part(msg)
 437     else: # Not a message, just text - copy it literally
 438         output(msg.as_string())
 439
 440
 441 def open_output_file(filename):
 442     fullpath = os.path.abspath(os.path.join(g.destination_dir, filename))
 443     full_dir = os.path.dirname(fullpath)
 444     create = not os.path.isdir(full_dir)
 445     if create:
 446         os.makedirs(full_dir)
 447     try:
 448         return open(fullpath, 'wb')
 449     except:
 450         if create:
 451             os.removedirs(full_dir)
 452
 453
 454 class GlobalOptions:
 455     from m_lib.defenc import default_encoding
 456     recode_charset = 1 # recode charset of message body
 457
 458     host_name = None
 459
 460     # A list of headers to decode
 461     decode_headers = ["From", "To", "Cc", "Reply-To", "Mail-Followup-To",
 462                       "Subject"]
 463
 464     # A list of headers parameters to decode
 465     decode_header_params = [
 466         ("Content-Type", "name"),
 467         ("Content-Disposition", "filename"),
 468     ]
 469
 470     # A list of headers to remove
 471     remove_headers = []
 472     # A list of headers parameters to remove
 473     remove_headers_params = []
 474
 475     # A list of header/value pairs to set
 476     set_header_value = []
 477     # A list of header/parameter/value triples to set
 478     set_header_param = []
 479
 480     totext_mask = [] # A list of content-types to decode
 481     binary_mask = [] # A list of content-types to pass through
 482     decoded_binary_mask = [] # A list of content-types to pass through (content-transfer-decoded)
 483     ignore_mask = [] # Ignore (do not decode and do not include into output) but output a warning instead of the body
 484     fully_ignore_mask = [] # Completely ignore - no headers, no body, no warning
 485     error_mask = []  # Raise error if encounter one of these
 486
 487     save_counter = 0
 488     save_headers_mask = []
 489     save_body_mask = []
 490     save_message_mask = []
 491
 492     input_filename = None
 493     output_filename = None
 494     destination_dir = os.curdir
 495
 496 g = GlobalOptions
 497
 498
 499 def get_opts():
 500     from getopt import getopt, GetoptError
 501
 502     try:
 503         options, arguments = getopt(sys.argv[1:],
 504             'hVcCDPH:f:d:p:r:R:b:B:e:I:i:t:O:o:',
 505             ['help', 'version', 'host=',
 506              'save-headers=', 'save-body=', 'save-message=',
 507              'set-header=', 'set-param='])
 508     except GetoptError:
 509         usage(1)
 510
 511     for option, value in options:
 512         if option in ('-h', '--help'):
 513             usage()
 514         elif option in ('-V', '--version'):
 515             version()
 516         elif option == '-c':
 517             g.recode_charset = 1
 518         elif option == '-C':
 519             g.recode_charset = 0
 520         elif option in ('-H', '--host'):
 521             g.host_name = value
 522         elif option == '-f':
 523             g.default_encoding = value
 524         elif option == '-d':
 525             if value.startswith('*'):
 526                 g.decode_headers = []
 527             g.decode_headers.append(value)
 528         elif option == '-D':
 529             g.decode_headers = []
 530         elif option == '-p':
 531             g.decode_header_params.append(value.split(':', 1))
 532         elif option == '-P':
 533             g.decode_header_params = []
 534         elif option == '-r':
 535             g.remove_headers.append(value)
 536         elif option == '-R':
 537             g.remove_headers_params.append(value.split(':', 1))
 538         elif option == '--set-header':
 539             g.set_header_value.append(value.split(':', 1))
 540         elif option == '--set-param':
 541             header, value = value.split(':', 1)
 542             if '=' in value:
 543                 param, value = value.split('=', 1)
 544             else:
 545                 param, value = value.split(':', 1)
 546             g.set_header_param.append((header, param, value))
 547         elif option == '-t':
 548             g.totext_mask.append(value)
 549         elif option == '-B':
 550             g.binary_mask.append(value)
 551         elif option == '-b':
 552             g.decoded_binary_mask.append(value)
 553         elif option == '-I':
 554             g.fully_ignore_mask.append(value)
 555         elif option == '-i':
 556             g.ignore_mask.append(value)
 557         elif option == '-e':
 558             g.error_mask.append(value)
 559         elif option == '--save-headers':
 560             g.save_headers_mask.append(value)
 561         elif option == '--save-body':
 562             g.save_body_mask.append(value)
 563         elif option == '--save-message':
 564             g.save_message_mask.append(value)
 565         elif option == '-O':
 566             g.destination_dir = value
 567         elif option == '-o':
 568             g.output_filename = value
 569         else:
 570             usage(1)
 571
 572     return arguments
 573
 574
 575 if __name__ == "__main__":
 576     arguments = get_opts()
 577
 578     la = len(arguments)
 579     if la == 0:
 580         g.input_filename = '-'
 581         infile = sys.stdin
 582         if g.output_filename:
 583             outfile = open_output_file(g.output_filename)
 584         else:
 585             g.output_filename = '-'
 586             outfile = sys.stdout
 587     elif la in (1, 2):
 588         if (arguments[0] == '-'):
 589             g.input_filename = '-'
 590             infile = sys.stdin
 591         else:
 592             g.input_filename = arguments[0]
 593             infile = open(arguments[0], 'r')
 594         if la == 1:
 595             if g.output_filename:
 596                 outfile = open_output_file(g.output_filename)
 597             else:
 598                 g.output_filename = '-'
 599                 outfile = sys.stdout
 600         elif la == 2:
 601             if g.output_filename:
 602                 usage(1, 'Too many output filenames')
 603             if (arguments[1] == '-'):
 604                 g.output_filename = '-'
 605                 outfile = sys.stdout
 606             else:
 607                 g.output_filename = arguments[1]
 608                 outfile = open_output_file(g.output_filename)
 609     else:
 610         usage(1, 'Too many arguments')
 611
 612     if (infile is sys.stdin) and sys.stdin.isatty():
 613         if (outfile is sys.stdout) and sys.stdout.isatty():
 614             usage()
 615         usage(1, 'Filtering from console is forbidden')
 616
 617     if not g.host_name:
 618         import socket
 619         g.host_name = socket.gethostname()
 620
 621     g.outfile = outfile
 622     output = outfile.write
 623
 624     import email
 625     msg = email.message_from_file(infile)
 626
 627     for header, value in g.set_header_value:
 628         set_header(msg, header, value)
 629
 630     for header, param, value in g.set_header_param:
 631         if header in msg:
 632             msg.set_param(param, value, header)
 633
 634     try:
 635         decode_message(msg)
 636     finally:
 637         infile.close()
 638         outfile.close()