FreeScout邮件解析中的嵌套HTML标签问题解决方案

2025-06-24 10:58:54作者：秋泉律Samson

问题背景

在使用FreeScout邮件帮助台系统时，部分企业客户发送的邮件存在HTML格式不规范的问题。这些邮件在Gmail等常见邮件客户端中显示正常，但在FreeScout系统中却会导致邮件内容被截断，丢失重要信息。

问题根源分析

经过技术分析，发现问题的根源在于这些邮件中出现了嵌套的HTML标签结构。具体表现为：

邮件内容被<html><body>...</body></html>标签包裹了两次
形成了类似"俄罗斯套娃"的嵌套结构
这种结构虽然能被大多数邮件客户端容错处理，但会导致FreeScout的解析逻辑出现问题

典型的错误HTML结构如下：

<html>
<body>
  邮件头部内容
  
  <html>
  <body>
    邮件正文内容（包含表格等）
  </body>
  </html>
  
  邮件尾部内容（包含追踪号和重要链接）
</body>
</html>

技术影响

这种嵌套HTML结构会导致FreeScout系统：

丢失邮件尾部的重要信息（如追踪号和链接）
用户只能通过"查看原始邮件"功能获取完整内容
无法通过关键词搜索追踪号等信息
严重影响日常工作效率

解决方案实现

针对这一问题，开发了一个HTML修复函数，主要实现以下功能：

检测是否存在嵌套的HTML结构
定位嵌套HTML标签的位置
提取嵌套HTML中的body内容
重建正确的HTML结构

核心修复函数代码如下：

function fixNestedHtml($html) {
    $O_HTML = '<html';
    $C_HTML = '</html>';

    // 定位HTML标签位置
    $h1a = mb_strpos($html, $O_HTML);
    $h2b = mb_strpos($html, $C_HTML);
    $h2a = mb_strrpos($html, $O_HTML);
    $h1b = mb_strrpos($html, $C_HTML);

    if (($h2a > $h1a) && ($h2b < $h1b) && ($h2a < $h2b)) {
        // 处理嵌套HTML
        $b2 = mb_strpos($html, "<body", $h2a);
        $b2e = mb_strpos($html, ">", $b2);
        $b2b = mb_strpos($html, "</body>", $b2);
        
        if ($b2b < $h2b) {
            // 重建正确的HTML结构
            $a = mb_substr($html, 0, $h2a);
            $b = mb_substr($html, $b2e + 1, $b2b - ($b2e + 1));
            $c = mb_substr($html, $h2b + strlen($C_HTML));
            return $a . $b . $c;
        }
    }
    return $html;
}