我正在尝试将大约 20 年的 Usenet 档案上传到 archive.org，但我的第一批档案被拒绝，因为某些档案包含以 Base64 编码的木马。由于我有大约 400GB 的文件需要处理，手动修复是不可能的。所有文件均为 mbox 格式，即纯文本。我的第一个想法是查找并替换 mbox 文件中包含“Content-Type: application/x-msdownload”的所有消息。这可能相当困难。我现在认为更简单的暴力方法是删除所有 Base64 块。
从这个问题，我发现可以使用 grep 找到 base64 块，但我不知道如何使用 sed 设置相同的东西，这就是我问的原因。谢谢！
编辑：到目前为止我尝试过的
根据这个页，^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$应该是查找 base64 文本所需的正则表达式，但是当我尝试将其与 sed 一起使用时，它实际上不起作用，或者至少没有达到我的预期。
例子：
cat clari.local.california.sfbay.biz.mbox | sed -e '#^(?:[A-Za-z0-9+/]{4})*(?:[A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$#d' > clari.local.california.sfbay.biz.mbox.test
clari.local.california.sfbay.biz.mbox.test 仍包含 base64 文本。
答案1
邮件用户代理mutt(MUA) 可以按 MIME 类型从邮箱中删除邮件。您甚至可以编写此脚本。
具有编码附件的邮件可以mutt与搜索表达式相匹配~M application。这与包含字符串 的 MIME 类型的任何消息匹配application，通常指示附件已编码（可能采用 base64）。application/x-msdownload如果您愿意，您显然可以使用更具体的内容。
如果邮箱被调用，您可以删除其中包含包含命令行messages.mbox字符串的附件的所有邮件，如下所示：application
mutt -e 'push <delete-pattern>"~M application"<enter><quit>"y"' -f messages.mbox
请注意，从邮箱中删除邮件之前不会要求任何确认（最后是对退出前是否删除邮件的"y"问题的答复）。mutt您可能希望将邮件移至单独的邮箱中：
mutt -e 'push <tag-pattern>"~M application"<enter><tag-prefix><save-message>bad.mbox<enter>"y"<quit>"y"' -f messages.mbox
这会标记与给定搜索表达式匹配的所有邮件，将它们保存到 邮箱bad.mbox，并在从原始邮箱中删除它们后退出。
答案2
看看procmail、formail、 和mimencode。您可以使用这些轻松设置复杂的自动邮箱处理，例如
查找并替换 mbox 文件中包含“Content-Type: application/x-msdownload”的所有邮件。
答案3
(?:...)是 Perl 正则表达式的一部分，而不是标准 POSIX 正则表达式的一部分。 ERE 等效项（对于grep -E或sed -E）应该是：
^([A-Za-z0-9+/]{4})*([A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$
正则表达式还将匹配任何具有以下内容的行：任何长度为四个字符的倍数的字母数字字符串（没有其他字符），因此类似question,congrats或一行中单独的任何四个字母的脏话或四个字母的问候语都会匹配。此外，它不允许在两端有任何空格，如果您只删除单独的行，您可能会得到消息，其中后面剩下的内容毫无意义。
不管怎样，你可以做这样的事情，至少需要五组，每组四个字符。这应该不太可能匹配随机单词。
^([A-Za-z0-9+/]{4}){5,}([A-Za-z0-9+/]{2}==|[A-Za-z0-9+/]{3}=)?$