MBOX から EML 抽出ツール

MBOX とは実際には何か

MBOX ファイルはメッセージを端から端まで並べたもので、それぞれの前に From で始まる行（コロンなし）が置かれています。索引も長さフィールドも目次もありません。Thunderbird、Google Takeout、Apple Mail、そしてほとんどのメーリングリスト保存箱がこの形式で書き出します。だからこそ一万通の保存箱が一つのファイルになり、メールソフトが開くのに何分もかかることがあるのです。

分割はほとんどが丁寧な行読みです。本ツールは本当に区切りである From 行だけを見つけます——ファイル先頭か空行の直後にあり、その後にヘッダー群らしきものが続くもの。こうすることで本文中に引用された From がメッセージを二つに割ってしまうことはありません。Content-Length ヘッダーを持つメッセージではその長さが優先されます。区切り行をそのまま引用した本文を通り抜ける唯一確実な方法だからです。

方言問題を、はっきりと

本文行自体が From で始まりうるため、MBOX を書く側はそれを >From にエスケープします。その範囲について二つの方言が食い違います。mboxrd はすでに >From で始まっていた行もエスケープする（>>From にする）ので、正確に元へ戻せます。mboxo は未エスケープの場合だけを処理するため、推測なしには戻せません。

>From を含み >>From を含まない保存箱は、どちらの方言とも矛盾しません。本ツールは検出した方言を提示し、根拠があいまいなときはそう明言し、エスケープ解除の選択をあなたに委ねます。推測すれば引用文を黙って壊す類の判断なので、ここでは推測しません。

出力名の付け方

テンプレートは {index}、{date}、{time}、{from}、{subject}、{messageid} を受け付け、入力中に三つの名前が実時間で表示されます。各トークンは置換前に個別に無害化されるので、スラッシュや .. を含む件名がパスを組み立てることはできません。仕上がった名前は上限で切り詰められ、重複には数字が付き、すべて .eml で終わります。

失われるもの、正直に

From_ 行は RFC 5322 のメッセージの一部ではありません。MBOX という容れ物のものです。取り出した各ファイルからは除かれ、それが担っていたエンベロープ差出人と配送時刻も一緒に失われます。その下にあるもの——ヘッダーも本文も——はバイト単位でそのまま書き出されます。

プライバシー

保存箱はブラウザ内で読み取られます。どのメッセージもこのページから出ません。