من MBOX إلى CSV

أرشيف البريد جدارٌ من النصّ لا تقرؤه إلا رسالةً رسالة. والجدول هو البريد نفسه في هيئة تفرزها وتعدّها وترشّحها وتسلّمها إلى غيرك — كم رسالة جاءت من عنوان واحد، وما الذي وصل في الأسبوع الذي يهمّ، وأيّ سلسلة طالت أكثر. وهذا هو العمل كلّه هنا: خمسة أعمدة — from وto وdate وsubject وsize — وصفٌّ لكلّ رسالة.

والمتون تبقى خارج الجدول افتراضيًّا، والسبب عمليّ لا تحرّجيّ. فقراءتها تعني قراءة الأرشيف كلّه لا ترويساته، فالنسخة الكبيرة تأخذ وقتًا؛ ويكبر الملفّ كثيرًا؛ وجدولٌ فيه أربعون ألف متن كامل ليس شيئًا يستطيع أحد فتحه والانتفاع به. شغّلها حين يكون المقصود النصّ — مراجعة أو بحث أو إفصاح — وأطفئها حين يكون المقصود النمط. وحين تشتغل، يُقطع المتن الذي يتجاوز 32000 حرف عند هذا الحدّ وتوضع علامة الحذف، لأن Excel يرفض خليّة فيها أكثر من 32767 حرفًا، فيرفض الصفّ كلّه بدل أن يقصّرها.

وعلامات الاقتباس هي الموضع الذي يفسد فيه جدول البريد عادةً. فكلّ عمود من هذه الأعمدة يحتمل الحروف التي تكسر الكاتب الساذج: قائمة المرسَل إليهم فواصل بحكم تعريفها، والاسم المعروض يُكتب كثيرًا Reyes, Dana، والمواضيع فيها علامات اقتباس، ومتى دخلت المتون صار في كلّ صفّ تقريبًا فواصل أسطر. فيمرّ كلّ حقل على كاتب RFC 4180 نفسه الذي يستعمله باقي هذا الموقع — لا يُحاط الحقل بعلامتَي اقتباس إلا إذا احتوى فاصلةً أو علامة اقتباس أو فاصل سطر، وتُضاعَف علامة الاقتباس داخل الحقل المُحاط. فيبقى الحقل الذي فيه فاصل سطر خليّةً واحدة، ولا ينشقّ الصفّ.

وعمود date يُوحَّد. فترويسة التاريخ تُكتب بتوقيت المرسِل نفسه وبعشر هيئات مختلفة، وهي تُفرز فوضى في العمود الذي يفرز عليه الناس كلّهم — فيُحوَّل إلى YYYY-MM-DD HH:MM:SS بتوقيت UTC، وهذا يُفرز صحيحًا نصًّا في كلّ جدول. والترويسة التي لا تُقرأ أصلًا تمرّ كما كُتبت تمامًا بدل أن تُستبدل بتخمين.

وsize هو الرسالة بالبايتات كما يخزّنها الأرشيف: الترويسات والنصّ وأيّ مرفق وهو بعدُ مرمَّز، دون سطر الفصل الذي فوقها. وهو العمود الذي يجد الرسالة التي تملأ حصّتك.

وكلّ ما سبق يقوم على قطع الأرشيف رسائلَ قطعًا صحيحًا، وهو الجزء الصعب من هذه الصيغة والموصوف بتمامه في العارض: الأرشيف يعلّم كلّ رسالة بسطر يبدأ بكلمة From ثمّ مسافة، والمتون فيها أسطر كهذه أيضًا، والقاعدة المستعملة هنا تفحص أربعة أشياء لا شيئًا واحدًا قبل أن تقبل السطر سطر فصل. ويُفكّ ترميز المرسِل والموضوع في الطريق إلى الجدول، فالموضوع الذي ينتقل مرمَّزًا — =?UTF-8?B?…?= — يصل الجدول كلماتٍ لا ترميزًا.

اضغط حمّل عيّنة، ثمّ ابنِ الجدول. ثلاثة صفوف تحت صفّ العناوين، والثاني هو الذي يستحقّ النظر:

Accounts <accounts@example.org>,"you@example.com, dana@example.com",2024-03-05 14:31:00,Re: The March invoice,365

حقل المرسَل إليهم وحده بين علامتَي اقتباس ولا شيء غيره. فتلك الرسالة ذهبت إلى شخصين، والعنوانان بينهما فاصلة، ولولا العلامتان لقرأ الجدول ذلك الصفّ ستّة أعمدة ووضع التاريخ تحت subject. أمّا بقيّة الحقول فليس فيها ما يستدعي إحاطة، فتُركت عاريةً — وهذا ما يجعل الملفّ مقروءًا حين تفتحه في محرّر نصّ لتفحصه.

ويقرأ التاريخ 2024-03-05 14:31:00. وهو في الأرشيف Tue, 5 Mar 2024 14:31:00 +0000، والرسالة الثالثة Wed, 6 Mar 2024 08:02:00 +0000 — ولو فُرزت كما كُتبت لسبق الثلاثاء الأربعاء بالمصادفة وحدها، ولانهار الترتيب كلّه بعد شهر. أمّا مفروزةً كما حُوّلت فلا يمكن أن ينهار.

والآن شغّل ضع المتن في عمود مستقلّ وابنِ الجدول ثانيةً. يظهر عمود سادس، ويُحاط متن الصفّ الأوّل بعلامتَي اقتباس لأنه يمتدّ على أسطر — افتح الملفّ في جدول وستجده خليّةً واحدة فيها فواصل أسطر، لا ثلاثة صفوف مكسورة. وفي متن الرسالة الثالثة فاصلة أيضًا، فأُحيط لهذا السبب وحده.

وفي نسخة Takeout حقيقية تصير هذه الصفوف الثلاثة أربعين ألفًا، والفرق الذي يصنعه المفتاح ملفٌّ بأربعة ميغابايت يُبنى في لحظة مقابل ملفّ بتسعمئة ميغابايت يأخذ دقائق. وإن كان مرادك قراءة الرسائل لا عدّها، فاستعمل العارض؛ وإن أردتها ملفّات مستقلّة تفتحها في برنامج بريد، فقسّم الأرشيف.