이메일 마케팅 캠페인을 실행할 때 가장 큰 과제 중 하나는 메시지가 스팸 폴더가 아닌 받은 편지함에 도달하는지 확인하는 것입니다.
이 게시물에서는 귀하의 이메일이 스팸으로 표시되는지 여부와 스팸으로 표시되는 이유를 확인할 수 있는 도구를 구축하겠습니다.
이 도구는 API 형식으로 온라인으로 배포되므로 귀하의 워크플로우에 통합될 수 있습니다.
Apache SpamAssassin은 Apache Software Foundation에서 관리하는 오픈 소스 스팸 탐지 플랫폼으로, 메시지를 스팸으로 분류하기 위해 많은 이메일 클라이언트 및 이메일 필터링 도구에 널리 사용되는 도구입니다.
다양한 규칙, 베이지안 필터링 및 네트워크 테스트를 사용하여 특정 이메일에 스팸 '점수'를 할당합니다. 일반적으로 5점 이상의 이메일은 스팸으로 분류될 위험이 높습니다.
Apache SpamAssassin은 스팸 탐지 소프트웨어이므로 이메일이 스팸으로 표시되는지 여부를 확인하는 데에도 사용할 수 있습니다.
SpamAssassin의 점수는 투명하고 잘 문서화되어 있으므로 이를 사용하여 이메일의 어떤 측면이 높은 스팸 점수를 유발하는지 정확하게 식별하고 글쓰기를 향상시킬 수 있습니다.
SpamAssassin은 Linux 시스템에서 실행되도록 설계되었습니다. 설치하고 실행하려면 Linux OS가 필요하거나 Docker 컨테이너를 생성해야 합니다.
Debian 또는 Ubuntu 시스템에서는 다음을 사용하여 SpamAssassin을 설치합니다.
apt-get update && apt-get install -y spamassassin sa-update
sa-update 명령은 SpamAssassin의 규칙이 최신 상태인지 확인합니다.
설치하고 나면 이메일 메시지를 SpamAssassin의 명령줄 도구로 연결할 수 있습니다. 출력에는 스팸 점수가 포함된 주석이 달린 이메일 버전이 포함되며 어떤 규칙이 실행되는지 설명합니다.
일반적인 사용법은 다음과 같습니다.
spamassassin -t < input_email.txt > results.txt
results.txt에는 아래와 같이 SpamAssassin의 헤더 및 점수가 포함된 처리된 이메일이 포함됩니다.
X-Spam-Checker-Version: SpamAssassin 4.0.0 (2022-12-13) on 254.254.254.254
X-Spam-Level:
X-Spam-Status: No, score=0.2 required=5.0 tests=HTML_MESSAGE,
MIME_HTML_ONLY,MISSING_MID,NO_RECEIVED,
NO_RELAYS autolearn=no autolearn_force=no version=4.0.0
// ...
Content analysis details: (0.2 points, 5.0 required)
pts rule name description
---- ---------------------- --------------------------------------------------
0.1 MISSING_MID Missing Message-Id: header
-0.0 NO_RECEIVED Informational: message has no Received headers
-0.0 NO_RELAYS Informational: message was not relayed via SMTP
0.0 HTML_MESSAGE BODY: HTML included in message
0.1 MIME_HTML_ONLY BODY: Message only has text/html MIME parts
SpamAssassin은 API로 캡슐화될 때만 최대 잠재력을 발휘합니다. 이 형식을 사용하면 유연성이 향상되고 다양한 워크플로우에 통합될 수 있기 때문입니다.
상상해 보세요. 이메일에서 '보내기'를 누르기 전에 콘텐츠가 먼저 SpamAssassin API로 전송됩니다. 이메일이 스팸 기준을 충족하지 않는다고 판단되는 경우에만 계속 진행이 허용됩니다.
제목, html_body 및 text_body와 같은 이메일 필드를 허용하는 간단한 API를 만들어 보겠습니다. 필드를 SpamAssassin에 전달하고 검증 결과를 반환합니다.
from fastapi import FastAPI
from datetime import datetime, timezone
from email.utils import format_datetime
from pydantic import BaseModel
import subprocess
def extract_analysis_details(text):
lines = text.splitlines()
start_index = None
for i, line in enumerate(lines):
if line.strip().startswith("pts rule"):
start_index = i
break
if start_index is None:
print("No content analysis details found.")
return []
data_lines = lines[start_index+2:]
parsed_lines = []
for line in data_lines:
if line.strip() == "":
break
parsed_lines.append(line)
results = []
current_entry = None
split_line = lines[start_index+1]
pts_split, rule_split, *rest = split_line.strip().split(" ")
pts_start = 0
pts_end = pts_start + len(pts_split)
rule_start = pts_end + 1
rule_end = rule_start + len(rule_split)
desc_start = rule_end + 1
for line in parsed_lines:
pts_str = line[pts_start:pts_end].strip()
rule_name_str = line[rule_start:rule_end].strip()
description_str = line[desc_start:].strip()
if pts_str == "" and rule_name_str == "" and description_str:
if current_entry:
current_entry["description"] += " " + description_str
else:
current_entry = {
"pts": pts_str,
"rule_name": rule_name_str,
"description": description_str
}
results.append(current_entry)
return results
app = FastAPI()
class Email(BaseModel):
subject: str
html_body: str
text_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))}
MIME-Version: 1.0
Content-Type: multipart/alternative; boundary="__SPAM_ASSASSIN_BOUNDARY__"
--__SPAM_ASSASSIN_BOUNDARY__
Content-Type: text/plain; charset="utf-8"
{email.text_body}
--__SPAM_ASSASSIN_BOUNDARY__
Content-Type: text/html; charset="utf-8"
{email.html_body}
--__SPAM_ASSASSIN_BOUNDARY__--"""
# 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}
위 코드에서는 전체 결과 보고서에서 채점 이유만 추출하기 위해 도우미 함수 extract_analytic_details를 정의했습니다. 예를 들어 결과에서 특정 규칙을 필터링하여 이 기능을 더욱 향상시킬 수 있습니다.
응답에는 SpamAssassin 결과에 대한 분석 세부정보가 포함됩니다.
다음 입력을 예로 들어보겠습니다.
주제
apt-get update && apt-get install -y spamassassin sa-update
html_body
spamassassin -t < input_email.txt > results.txt
text_body
X-Spam-Checker-Version: SpamAssassin 4.0.0 (2022-12-13) on 254.254.254.254
X-Spam-Level:
X-Spam-Status: No, score=0.2 required=5.0 tests=HTML_MESSAGE,
MIME_HTML_ONLY,MISSING_MID,NO_RECEIVED,
NO_RELAYS autolearn=no autolearn_force=no version=4.0.0
// ...
Content analysis details: (0.2 points, 5.0 required)
pts rule name description
---- ---------------------- --------------------------------------------------
0.1 MISSING_MID Missing Message-Id: header
-0.0 NO_RECEIVED Informational: message has no Received headers
-0.0 NO_RELAYS Informational: message was not relayed via SMTP
0.0 HTML_MESSAGE BODY: HTML included in message
0.1 MIME_HTML_ONLY BODY: Message only has text/html MIME parts
응답은 다음과 같습니다.
from fastapi import FastAPI
from datetime import datetime, timezone
from email.utils import format_datetime
from pydantic import BaseModel
import subprocess
def extract_analysis_details(text):
lines = text.splitlines()
start_index = None
for i, line in enumerate(lines):
if line.strip().startswith("pts rule"):
start_index = i
break
if start_index is None:
print("No content analysis details found.")
return []
data_lines = lines[start_index+2:]
parsed_lines = []
for line in data_lines:
if line.strip() == "":
break
parsed_lines.append(line)
results = []
current_entry = None
split_line = lines[start_index+1]
pts_split, rule_split, *rest = split_line.strip().split(" ")
pts_start = 0
pts_end = pts_start + len(pts_split)
rule_start = pts_end + 1
rule_end = rule_start + len(rule_split)
desc_start = rule_end + 1
for line in parsed_lines:
pts_str = line[pts_start:pts_end].strip()
rule_name_str = line[rule_start:rule_end].strip()
description_str = line[desc_start:].strip()
if pts_str == "" and rule_name_str == "" and description_str:
if current_entry:
current_entry["description"] += " " + description_str
else:
current_entry = {
"pts": pts_str,
"rule_name": rule_name_str,
"description": description_str
}
results.append(current_entry)
return results
app = FastAPI()
class Email(BaseModel):
subject: str
html_body: str
text_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))}
MIME-Version: 1.0
Content-Type: multipart/alternative; boundary="__SPAM_ASSASSIN_BOUNDARY__"
--__SPAM_ASSASSIN_BOUNDARY__
Content-Type: text/plain; charset="utf-8"
{email.text_body}
--__SPAM_ASSASSIN_BOUNDARY__
Content-Type: text/html; charset="utf-8"
{email.html_body}
--__SPAM_ASSASSIN_BOUNDARY__--"""
# 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}
보셨나요? "Dear Winner"는 스팸메일에 자주 사용되는 단어로 감지됩니다.
SpamAssassin을 실행하려면 소프트웨어가 설치된 Linux 환경이 필요합니다. 일반적으로 배포하려면 EC2 인스턴스나 DigitalOcean 드롭릿이 필요할 수 있으며, 이는 특히 사용량이 적은 경우 비용이 많이 들고 지루할 수 있습니다.
서버리스 플랫폼의 경우 SpamAssassin과 같은 시스템 패키지를 설치할 수 없습니다.
Leapcell은 이 작업을 완벽하게 처리할 수 있습니다.
Leapcell을 사용하면 SpamAssassin과 같은 시스템 패키지를 배포하는 동시에 서비스를 서버리스로 유지할 수 있습니다. 일반적으로 더 저렴한 호출에 대해서만 비용을 지불하면 됩니다.
Leapcell에 API를 배포하는 것은 매우 쉽습니다. 환경을 설정할 필요가 없습니다. Python 이미지를 배포하고 "빌드 명령" 필드를 올바르게 입력하면 됩니다.
배포되면 스팸 확인을 위한 API가 제공됩니다. API가 호출될 때마다 SpamAssassin을 실행하고 이메일에 점수를 매긴 다음 점수를 반환합니다.
저희 블로그에서 읽어보세요
위 내용은 귀하의 마케팅 이메일이 스팸으로 끝날까요? 우리는 알아내기 위한 도구를 만들었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
