我正在尝试实施一个匹配所有中文字符（汉）与
的规则SpamAssassin 3.3.1版 在Perl版本5.10.1上运行
到目前为止，我尝试了以下规则：
body SPAM44 /\p{Han}/
body SPAM44 /[\x{4e00}-\x{9FFF}]/
body SPAM44 /[一-俿倀-忿怀-濿瀀-翿耀-迿退-龥]+/
前两条规则与任何内容都不匹配。最后一条规则几乎匹配我的所有邮件。 所有这些规则在regex101.com上运行良好。所以这可能是一个特定于spamassassin的问题。
应匹配的示例正文：
--_000_7f25887479e34b8585663e5702f9ae87companyde_
Content-Type: text/plain; charset="utf-8"
Content-Transfer-Encoding: base64
6L2m6Lqr5Yi26YCg5bel6Im65Y+K6KOF5aSH44CB5rG96L2m5pW06L2m6K6+6K6h5byA5Y+R5LiO
6K+V5Yi244CB5rG96L2m5bel56iL5LiO5pyN5Yqh44CB5pm66IO95Lqn57q/54mp5rWB5oqA5pyv
44CB5raC6KOF55Sf5Lqn57q/5Y+K6KOF5aSH44CB5bel5Lia5py65Zmo5Lq65oiQ5aWX5oqA5pyv
5Y+K6KOF5aSH44CB5bqV55uY5Yi26YCg5bel6Im65Y+K6KOF5aSHDQoNCg0KDQoN
我无法发布已解码的字符串，因为stackoverflow表示它是垃圾邮件。
那么如何将中文字符与spamassassin匹配？
答案 0 :(得分：2)
除非您在本地配置中单独设置normalize_charset 1（默认为0），否则SpamAssassin不会将字符集规范化为Unicode;那么，这些正则表达式几乎没有机会匹配。
如果没有此设置，要匹配UTF-8中的中文字符，您的正则表达式需要匹配字符的UTF-8序列，而不是解码的Unicode表示。
body SPAM44_UTF8 /[\xe4-\xe9][\x80-\xbf][\x80-\xbf]/
score SPAM44_UTF8 2
（不完全确定正则表达式，但你明白了。）
这显然只适用于UTF-8中的主体，所以你需要为你想要处理的任何其他字符集创建一个类似的规则（也许是GB2312？）并且它可能会对非消息主体产生误报实际上是UTF-8（虽然风险似乎相当小）。
此规则在任何地方都匹配单个中文字符。也许你会想要扩展它来寻找一个序列，比如四个或更多，以减少误报的风险。
也许normalize_charset 1将成为默认的一天，但对于当前的电子邮件状态，我认为这不会很快就可行。字符集信息缺失或不正确的情况太多，而且自动修复它的启发式方法很脆弱且容易出错。