• 掌握 AC 字符串匹配算法的双数组实现
• 掌握邮件附件提取和文档文件内容提取调用方法
• 掌握中文编码格式

• 阅读简单的垃圾邮件检测程序 代码，代码路径为 user-qjz/spam-filter ；

• 修改邮件数据集中部分数据（normal 和 spam 均可），数据内容包含待检 测关键词，“代开安装发票”；

• 实现 AC 字符串匹配算法，待匹配模式集为{代开安装发票，代开普通发 票，代开商品发票，代开国税发票，代开地税发票，代开广告发票，代 开运输发票，代开租赁发票，代开维修发票，代开建筑发票，代开安装 发票，代开餐饮发票，代开服务发票，代办警官证，办理假证件，代办 学位证，办理毕业证，办证件文凭，诚信办文凭，办证件刻章，办理身 份证，刻章办证件，办四六级证，办上网文凭}；

• 定位代码中的邮件内容解析函数，提取邮件正文内容，调用 AC 匹配函数， 检测内容是否含有模式集中字符串，返回匹配结果，输出为邮件正文和 匹配结果;

• 【选做，酌情加分】实现邮件中附件的提取，对附件的文件类型为 docx、 pptx、xlsx、pdf 调用 python 的文件内容解析函数，提取内容，然后调用 AC 匹配函数，检测内容是否含有模式集中字符串，返回匹配结果，输 出为邮件附件和匹配结果;

• 【选做，酌情加分】扩展 UI，显示匹配结果。

get_mail.py 在原项目基础上修改，完成从qq邮箱IMAP服务器获取邮件，提取邮件正文到email_test_input.txt、附件到/attachments目录，log文件存入/logs/email_fetch.log

changeFormat.py 来自原项目，用于遍历normal和spam目录，提取汉字内容到chineseoutput.txt

ac.py 实现AC匹配算法

attachmentAC.py 对/attachments 目录下文件类型为 docx、 pptx、xlsx、pdf 的附件提取内容，并调用AC匹配算法，log文件存入/logs/attachmentAC.log

main.py 完成对chineseoutput.txt 的逐行匹配，并创建GUI界面显示结果

# 创建并配置虚拟环境
conda create -n spamFilter python=3.9
conda activate spamFilter

pip install -r requirements.txt

# 运行get_mail.py（需先修改文件中用户名密码），输出email_test_input.txt，log位于/logs/email_fetch.log
python get_mail.py

# 运行changeFormat.py，输出chineseoutput.txt
python changeFormat.py

# 运行main.py，完成对chineseoutput.txt的分析，并以图形化界面显示结果
python main.py

# 运行attachmentAC.py，完成对附件的分析，log位于/logs/attachmentAC.log
python attachmentAC.py