pembangunan bahagian belakang
Tutorial Python
Bina API untuk Mengelakkan E-mel Pemasaran Anda Daripada Spam
Bina API untuk Mengelakkan E-mel Pemasaran Anda Daripada Spam
Apabila menjalankan kempen pemasaran e-mel, salah satu cabaran terbesar ialah memastikan mesej anda sampai ke peti masuk dan bukannya folder spam.
Apache SpamAssassin ialah alat yang digunakan secara meluas untuk kebanyakan klien e-mel dan alat penapisan e-mel untuk mengklasifikasikan mesej sebagai spam. Dalam siaran ini, kami akan meneroka cara memanfaatkan SpamAssassin untuk mengesahkan sama ada e-mel anda akan ditandakan sebagai spam dan sebab ia ditandakan sedemikian.
Logik akan dibungkus sebagai API dan digunakan dalam talian, supaya ia boleh disepadukan ke dalam aliran kerja anda.
Mengapa Apache SpamAssassin?
Apache SpamAssassin ialah platform pengesanan spam sumber terbuka yang diselenggarakan oleh Yayasan Perisian Apache. Ia menggunakan pelbagai peraturan, penapisan Bayesian dan ujian rangkaian untuk menetapkan "skor" spam kepada e-mel yang diberikan. Secara amnya, e-mel yang mendapat markah 5 atau ke atas berisiko tinggi dibenderakan sebagai spam.
Memandangkan pemarkahan SpamAssassin adalah telus dan didokumentasikan dengan baik, anda juga boleh menggunakannya untuk mengenal pasti dengan tepat aspek e-mel anda yang menyebabkan skor spam yang tinggi dan meningkatkan penulisan anda.
Bermula dengan SpamAssassin
SpamAssassin direka untuk dijalankan pada sistem Linux. Anda memerlukan OS Linux atau mencipta VM Docker untuk memasang dan menjalankannya.
Pada sistem Debian atau Ubuntu, pasang SpamAssassin dengan:
apt-get update && apt-get install -y spamassassin sa-update
Arahan sa-kemas kini memastikan bahawa peraturan SpamAssassin adalah terkini.
Setelah dipasang, anda boleh menghantar mesej e-mel ke alat baris arahan SpamAssassin. Outputnya termasuk versi e-mel beranotasi dengan skor spam dan menerangkan peraturan yang dicetuskan.
Penggunaan biasa mungkin kelihatan seperti ini:
spamassassin -t < input_email.txt > results.txt
results.txt kemudiannya akan mengandungi e-mel yang diproses dengan pengepala dan markah SpamAssassin.
Gunakan FastAPI untuk Membungkus SpamAssassin sebagai API
Seterusnya, mari buat API mudah yang menerima dua medan e-mel: subjek dan html_body. Ia akan menghantar medan kepada SpamAssassin dan mengembalikan hasil pengesahan.
Contoh Kod FastAPI
from fastapi import FastAPI
from datetime import datetime, timezone
from email.utils import format_datetime
from pydantic import BaseModel
import subprocess
import re
def extract_analysis_details(text):
rules_section = re.search(r"Content analysis details:.*?(pts rule name.*?description.*?)\n\n", text, re.DOTALL)
if not rules_section:
return []
rules_text = rules_section.group(1)
pattern = r"^\s*([-\d.]+)\s+(\S+)\s+(.+)$"
rules = []
for line in rules_text.splitlines()[1:]:
match = re.match(pattern, line)
if match:
score, rule, description = match.groups()
rules.append({
"rule": rule,
"score": float(score),
"description": description.strip()
})
return rules
app = FastAPI()
class Email(BaseModel):
subject: str
html_body: str
@app.post("/spam_check")
def spam_check(email: Email):
# assemble the full email
message = f"""From: example@example.com
To: recipient@example.com
Subject: {email.subject}
Date: {format_datetime(datetime.now(timezone.utc))}
Content-Type: text/html; charset="UTF-8"
{email.html_body}"""
# Run SpamAssassin and capture the output directly
output = subprocess.run(["spamassassin", "-t"],
input=message.encode('utf-8'),
capture_output=True)
output_str = output.stdout.decode('utf-8', errors='replace')
details = extract_analysis_details(output_str)
return {"result": details}
Respons akan mengandungi butiran analisis keputusan SpamAssassin.
Mari kita ambil input ini sebagai contoh:
subject:
Test Email
html_body:
<html>
<body>
<p>This is an <b>HTML</b> test email.</p>
</body>
</html>
Responsnya adalah seperti ini:
[
{
"rule": "MISSING_MID",
"score": 0.1,
"description": "Missing Message-Id: header"
},
{
"rule": "NO_RECEIVED",
"score": -0.0,
"description": "Informational: message has no Received headers"
},
{
"rule": "NO_RELAYS",
"score": -0.0,
"description": "Informational: message was not relayed via SMTP"
},
{
"rule": "HTML_MESSAGE",
"score": 0.0,
"description": "BODY: HTML included in message"
},
{
"rule": "MIME_HTML_ONLY",
"score": 0.1,
"description": "BODY: Message only has text/html MIME parts"
},
{
"rule": "MIME_HEADER_CTYPE_ONLY",
"score": 0.1,
"description": "'Content-Type' found without required MIME headers"
}
]
Menggunakan API Dalam Talian
Menjalankan SpamAssassin memerlukan persekitaran Linux dengan perisian dipasang. Secara tradisinya, anda mungkin memerlukan contoh EC2 atau titisan DigitalOcean untuk digunakan, yang boleh memakan kos dan membosankan, terutamanya jika penggunaan anda adalah volum rendah.
Bagi platform tanpa pelayan, mereka selalunya tidak menyediakan cara yang mudah untuk menjalankan pakej sistem seperti SpamAssassin.
Kini dengan Leapcell, anda boleh menggunakan mana-mana pakej sistem seperti SpamAssassin, sementara itu mengekalkan perkhidmatan tanpa pelayan - anda hanya membayar untuk invokasi, yang biasanya lebih murah.
Menggunakan API pada Leapcell adalah sangat mudah. Anda tidak perlu risau tentang cara menyediakan persekitaran Linux atau cara membina Dockerfile. Cuma pilih imej Python untuk digunakan dan isi medan "Bina Perintah" dengan betul.
Setelah digunakan, anda akan mempunyai titik akhir yang boleh anda panggil atas permintaan. Setiap kali API anda digunakan, ia akan menjalankan SpamAssassin, menjaringkan e-mel dan membalas respons.
Atas ialah kandungan terperinci Bina API untuk Mengelakkan E-mel Pemasaran Anda Daripada Spam. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Undress AI Tool
Gambar buka pakaian secara percuma
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Topik panas
1677
14
1431
52
1334
25
1280
29
1257
24
Python vs C: Lengkung pembelajaran dan kemudahan penggunaan
Apr 19, 2025 am 12:20 AM
Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.
Pembelajaran Python: Adakah 2 jam kajian harian mencukupi?
Apr 18, 2025 am 12:22 AM
Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.
Python vs C: Meneroka Prestasi dan Kecekapan
Apr 18, 2025 am 12:20 AM
Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.
Python vs C: Memahami perbezaan utama
Apr 21, 2025 am 12:18 AM
Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.
Yang merupakan sebahagian daripada Perpustakaan Standard Python: Senarai atau Array?
Apr 27, 2025 am 12:03 AM
Pythonlistsarepartofthestandardlibrary, sementara
Python: Automasi, skrip, dan pengurusan tugas
Apr 16, 2025 am 12:14 AM
Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
Python untuk pengkomputeran saintifik: rupa terperinci
Apr 19, 2025 am 12:15 AM
Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.
Python untuk Pembangunan Web: Aplikasi Utama
Apr 18, 2025 am 12:20 AM
Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
