メール添付ファイル抽出ツール

メールボックス全体を一度だけ走査する

添付を一通ずつ保存するのは三通なら成立しますが、三百通では手に負えません。.eml のフォルダ、Outlook の .msg を数通、メーリングリストの .mbox を一緒に投入してください。各ファイルの各メッセージが開かれ、各添付がデコードされ、結果は一つの一覧になります。

各ファイルの形式は名前ではなくバイト列から判定します。.eml として保存された .msg も、.txt で届いたリスト保存箱も、正しく開きます。三形式のいずれでもないファイル（PST、カレンダー、ZIP）は、そのファイル名とともに報告され、残りの処理はそのまま続きます。

埋め込み画像はきちんと区別されます

署名のロゴは保存したかったものではありません。それを本当の添付と見分けるのに Content-Disposition は使えません。Outlook も Gmail も、自分の HTML が埋め込んでいる画像に attachment を付けるからです。本ツールが見るのは、HTML 本文に cid: とそのパートの Content-ID が実際に書かれているかどうかです。書かれていれば埋め込みの図版、書かれていなければ送信者が渡したかったファイルです。

同一のコピーはまとめられます

どのリスト保存箱でも、同じフッター画像が何百通にも現れます。添付ごとに内容の指紋を取るので、完全な重複には印が付き、スイッチ一つで隠せます。まとめられた数は黙って飲み込まれるのではなく報告されます。これはバイト列の指紋であって、ファイルが同一だという主張ではありません。

ZIP は展開されることを前提に作られています

元ファイルごとにフォルダが分かれ、各名前の先頭には位置番号が付きます。invoice.pdf を添付した二通が互いを上書きすることはありません。パス区切り文字と Windows が拒む文字は名前から除かれます。書庫の中には manifest.csv が同梱され、各ファイルがどのメッセージ・どの件名から来たかを記録します。展開してしまえば、その問いに答える手立ては他にありません。

取り出されるもの

メッセージの中にあったバイト列そのものです。base64 や quoted-printable からデコードし、そのまま書き出します。ファイルシステムが要求する以上の再エンコード・縮小・改名は行いません。

プライバシー

すべてのファイルはブラウザ内で読み取られます。メッセージも添付もファイル名も送信されません。