混淆 mailto:foo@bar.com 以导入邮件存档

支持
1

您好，

在成功导入邮件存档（mbox）后，消息内容中将显示原本被 Gmane 或 mailman2 存档服务器模糊处理的电子邮件地址。这使得收集地址的机器人能够在 Discourse 中抓取这些地址，我正在寻找避免这种情况的方法。

  1. 全局移除帖子中的电子邮件（是否可以通过显示插件实现？）
  2. 是否存在已具备该功能的站点设置？
  3. 其他建议？

提前感谢您的帮助！

2

为什么电子邮件地址会显示在消息内容中？能举个例子吗？

1 个赞
3

我会通过私信发送给你公开帖子的链接，以免进一步触发机器人 :stuck_out_tongue:

以下是消息的混淆版本：

…
2010 年 12 月 23 日 14:05，[已编辑] l <[已编辑]@gmail.com](mailto:[已编辑]@gmail.com)
mailto:[已编辑]@gmail.com 写道：

供参考，当有更新时，我是这样处理的
…

4

因此，这是导入过程中出现的问题，如果您还有机会，应在导入阶段予以修复。我查看了您的论坛，发现其中充斥着大量损坏的内容（如邮件头、缩进错误），不仅是因为旧邮件未被截断，还因为相互回复的邮件被分到了不同的主题中。

这可能是因为您在导入时启用了 show_trimmed_content（此处），或者您的邮件格式未被回复截断代码识别（此处）。此外，似乎还存在许多其他问题。

2 个赞
5

猜得不错：我确实将 show_trimmed_content 设置为了 true，因为回复修剪代码经常修剪得过多。这不仅发生在导入的 mbox 中，通过电子邮件进行的日常回复也会出现这种情况。虽然理论上可以改进修剪器，但这似乎是一场艰难的战斗。使用邮件的用户总会：(i) 出于各种原因发送格式奇怪的邮件，(ii) 期望这些邮件被完整显示。

导入过程中确实存在其他问题：它远非完美。虽然我很乐意讨论这些问题，但它们并非当务之急。

既然看起来我在导入时并没有遗漏任何会混淆电子邮件的选项，那么显然只剩下两个选择：

  • 全局替换帖子中的内容，例如使用 s/{email_regexp}/obfuscated/
  • 寻找或编写一个插件，在 HTML 转换器等环节对显示内容进行混淆，使用 s/{email_regexp}/obfuscated/

或者……我是不是方向错了？

6

这正是我打算采用的方案。

我将使用 PostgreSQL 的 regexp_replace 函数，替换 posts.raw 和 posts.cooked 中的所有电子邮件地址。

3 个赞
7

我会照做，并在此主题中发布操作指南，谢谢你的建议！

8

:warning: 在尝试以下操作前，请务必先备份 Discourse :warning:

以下是将帖子中所有电子邮件地址替换为 [email_redacted] 的方法。该正则表达式较为有限，可能会遗漏一些地址，但我更倾向于使用一个易于阅读和理解的正则表达式，以便在修改所有帖子内容时进行操作。

$ ./launcher enter app
/var/www/discourse# su - postgres -c psql
psql (13.2 (Debian 13.2-1.pgdg100+1))
输入 "help" 以获取帮助。

postgres=# \c discourse
您现在已连接到数据库 "discourse"，用户为 "postgres"。
discourse=# \set re '[0-9a-z._%+-]+@[a-z0-9.-]+\\.[a-z]{2,64}'
discourse=# update posts set raw = regexp_replace(raw, :'re', '[email_redacted]', 'gi') where raw ~ :'re';
UPDATE 1
discourse=# update posts set cooked = regexp_replace(cooked, :'re', '[email_redacted]', 'gi') where cooked ~ :'re';
UPDATE 1