usite-sas-bic/sirpremiumv2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

up

Browse Source
This commit is contained in:
Lizandro Guarnizo
2026-04-25 15:02:07 -05:00
parent f71e009641
commit 08be3f254d
2 changed files with 52 additions and 10 deletions
Download Patch File Download Diff File Expand all files Collapse all files
app/Services/BancolombiaParser.php
+3
View File
@@ -26,6 +26,9 @@ class BancolombiaParser
// Limpiar HTML si llega con etiquetas // Limpiar HTML si llega con etiquetas
$text = self::stripHtml($text); $text = self::stripHtml($text);
// Limpiar referencias URL entre corchetes: "Logo Bancolombia [http://...]"
$text = preg_replace('/\[https?:\/\/[^\]]*\]/i', '', $text);
// Normalizar espacios y saltos de línea // Normalizar espacios y saltos de línea
$text = preg_replace('/\s+/', ' ', $text); $text = preg_replace('/\s+/', ' ', $text);
$text = trim($text); $text = trim($text);
app/Services/CorreoImapService.php
+49 -10
View File
@@ -291,31 +291,70 @@ class CorreoImapService
private function cleanBody(string $body): string private function cleanBody(string $body): string
{ {
// Quitar quoted-printable si aplica (antes de tocar HTML) // ── 1. MIME multipart: extraer SOLO la parte text/plain ──────────
if (str_contains($body, '=\r\n') || preg_match('/=[0-9A-F]{2}/i', $body)) { // Los emails de Bancolombia son multipart/alternative.
// Detectamos el boundary en la primera línea --boundary
if (preg_match('/^--([^\r\n]+)/m', $body, $bm)) {
$plainPart = $this->extractMimePlainPart($body, $bm[1]);
if ($plainPart !== null) {
$body = $plainPart;
}
}
// ── 2. Decodificar quoted-printable ──────────────────────────────
if (preg_match('/=[0-9A-F]{2}/i', $body) || preg_match('/=\r?\n/m', $body)) {
$body = quoted_printable_decode($body); $body = quoted_printable_decode($body);
} }
// Quitar líneas de separadores de partes MIME // ── 3. Eliminar cabeceras MIME residuales ────────────────────────
$body = preg_replace('/--[^\r\n]+\r?\n/m', '', $body);
// Eliminar líneas de cabecera de parte MIME (Content-Type, etc.)
$body = preg_replace('/^(Content-[^\r\n]+\r?\n)+/mi', '', $body); $body = preg_replace('/^(Content-[^\r\n]+\r?\n)+/mi', '', $body);
// Si el cuerpo contiene HTML, procesarlo adecuadamente // ── 4. Limpiar URLs de imágenes entre corchetes: "Logo [http://...]"
$body = preg_replace('/\[https?:\/\/[^\]]*\]/i', '', $body);
// ── 5. Si aún contiene HTML (fallback) quitar etiquetas ──────────
if (preg_match('/<[a-z][\s>]/i', $body)) { if (preg_match('/<[a-z][\s>]/i', $body)) {
$body = self::stripHtmlFull($body); $body = self::stripHtmlFull($body);
} }
// Normalizar saltos de línea // ── 6. Normalizar espacios y líneas ──────────────────────────────
$body = str_replace(["\r\n", "\r"], "\n", $body); $body = str_replace(["\r\n", "\r"], "\n", $body);
// Recortar líneas en blanco excesivas
$body = preg_replace('/\n{3,}/', "\n\n", $body); $body = preg_replace('/\n{3,}/', "\n\n", $body);
return trim($body); return trim($body);
} }
/**
* Extrae el contenido de la parte text/plain de un cuerpo MIME multipart.
* Devuelve null si no se encuentra o el email no es multipart.
*/
private function extractMimePlainPart(string $body, string $boundary): ?string
{
$escaped = preg_quote(rtrim($boundary), '/');
// Separar por --boundary (con o sin espacios/CRLF alrededor)
$parts = preg_split('/--' . $escaped . '(?:--)?[ \t]*\r?\n/', $body, -1, PREG_SPLIT_NO_EMPTY);
foreach ($parts as $part) {
// Ignorar partes sin cabeceras MIME
if (stripos($part, 'Content-Type:') === false) {
continue;
}
// ¿Es text/plain?
if (!preg_match('/Content-Type:\s*text\/plain/i', $part)) {
continue;
}
// Separar cabeceras del cuerpo (doble CRLF o LF)
if (preg_match('/\r?\n\r?\n(.+)$/s', $part, $m)) {
return $m[1];
}
}
return null;
}
/** /**
* Elimina completamente bloques <style>, <script>, <head> y luego * Elimina completamente bloques <style>, <script>, <head> y luego
* convierte etiquetas estructurales en saltos de línea antes de strip_tags. * convierte etiquetas estructurales en saltos de línea antes de strip_tags.