PHP IMAP ดึงไฟล์แนบ PDF/Word/Excel จากอีเมล ทุก 2 นาที — Save + ประมวลผล (ภาค 2)

TL;DR — ภาคต่อจากบทความ IMAP ก่อนหน้า: เพิ่มการดาวน์โหลดไฟล์แนบ PDF / Word / Excel จากอีเมล, save ลง disk อย่างปลอดภัย, ส่งต่อให้ parser ประมวลผลเนื้อหาไฟล์ แล้วรันทุก 2 นาทีด้วย cron พร้อมระบบ dedupe กันเมลซ้ำ

โครงสร้าง MIME ของเมลที่มี attachment

เมลธรรมดา = 1 part (text/plain) แต่เมลที่มีแนบไฟล์เป็น multipart/mixed:

• part 1 → multipart/alternative (ข้อความ text/html)
• part 2 → application/pdf (แนบ PDF)
• part 3 → application/msword หรือ vnd.openxmlformats-officedocument.spreadsheetml.sheet (Word/Excel)

imap_fetchstructure() คืน tree structure — เราต้องเดิน recursion หา part ที่เป็น attachment โดยดูจาก disposition == "attachment" หรือมี dparameters[0]->value (filename)

1) ฟังก์ชันหา attachment ทุกไฟล์ (recursion)

<?php
/**
 * คืน array ของ attachment parts ทั้งหมดในเมล
 * return: [ ['index'=>'2','name'=>'report.pdf'], ... ]
 */
function getAttachments($mbox, $msgno): array {
    $out = [];
    $struct = imap_fetchstructure($mbox, $msgno);
    $walk = function($parts, $prefix = '') use (&$walk, &$out) {
        foreach ($parts as $i => $p) {
            $idx = $prefix === '' ? (string)($i + 1) : "$prefix." . ($i + 1);
            if ($p->type == TYPEMULTIPART) {
                $walk($p->parts, $idx);           // เจอ multipart → recursive
                continue;
            }
            // ชื่อไฟล์: dparameters (Content-Disposition filename=)
            $name = null;
            if (!empty($p->dparameters)) {
                foreach ($p->dparameters as $d) {
                    if (strcasecmp($d->attribute, 'filename') === 0) {
                        $name = $d->value;
                    }
                }
            }
            // fallback: parameters (Content-Type name=)
            if (!$name && !empty($p->parameters)) {
                foreach ($p->parameters as $pa) {
                    if (strcasecmp($pa->attribute, 'name') === 0) {
                        $name = $pa->value;
                    }
                }
            }
            $isAttach = strtolower($p->disposition ?? '') === 'attachment'
                        || ($p->ifid === 0 && $name !== null && $p->bytes > 0);
            if ($isAttach || $name !== null) {
                $out[] = ['index' => $idx, 'name' => $name, 'size' => $p->bytes ?? 0];
            }
        }
    };
    if (!empty($struct->parts)) {
        $walk($struct->parts);
    } else {
        // single-part mail — ถ้ามี name แปลว่าเป็น attachment ตัวเดียว
    }
    return $out;
}

⚠️ ภาษาไทยในชื่อไฟล์ มัก encoded เป็น RFC2047 (=?UTF-8?B?...?=, =?TIS-620?Q?...?=) — decode ด้วย mb_decode_mimeheader() และถ้าเป็น TIS-620 ให้ convert: iconv('TIS-620','UTF-8',$name)

2) ดาวน์โหลด + save ไฟล์อย่างปลอดภัย

<?php
define('ATTACH_DIR', '/var/www/mailbox-attachments');

function saveAttachment($mbox, int $msgno, array $att, string $subdir): ?string {
    if (!is_dir(ATTACH_DIR)) { mkdir(ATTACH_DIR, 0755, true); }
    $targetDir = ATTACH_DIR . '/' . $subdir;
    if (!is_dir($targetDir)) { mkdir($targetDir, 0755, true); }

    // ── decode เนื้อไฟล์ ──
    $raw = imap_fetchbody($mbox, $msgno, $att['index']);
    switch ($att['encoding'] ?? 3) {
        case 3: $data = base64_decode($raw); break;          // BASE64
        case 4: $data = quoted_printable_decode($raw); break; // QUOTED-PRINTABLE
        default: $data = $raw;                                // BINARY/7BIT
    }

    // ── sanitize ชื่อไฟล์ (กัน path traversal!) ──
    $safe = basename(mb_decode_mimeheader($att['name'] ?? 'unnamed'));
    $safe = preg_replace('/[^A-Za-z0-9._\-\x{0E00}-\x{0E7F}]/u', '_', $safe);
    $dest = $targetDir . '/' . uniqid('m') . '_' . $safe;

    if (file_put_contents($dest, $data) === false) return null;
    chmod($dest, 0644);
    return $dest;
}

จุดสำคัญ:

• basename() + regex = กัน path traversal (../../etc/passwd ไม่รอด)
• encoding 3=base64, 4=quoted-printable — attachment เกือบทั้งหมดเป็น base64
• ตั้ง chmod 0644 ให้ nginx/php-fpm อ่านต่อได้
• เก็บใน subfolder ตามวัน (2026-08-23) ง่ายต่อการ cleanup ภายหลัง

3) ประมวลผลไฟล์ — extract เนื้อหา PDF / Word / Excel

<?php
// ─── PDF → text: ใช้ pdftotext (poppler-utils) เร็วและเสถียรสุด ───
function pdfToText(string $path): string {
    $out = shell_exec('pdftotext -layout ' . escapeshellarg($path) . ' - 2>/dev/null');
    return $out ?: '';
}
// apt install poppler-utils

// ─── Word .docx → text: docx คือ zip ของ XML ───
function docxToText(string $path): string {
    $zip = new ZipArchive();
    if ($zip->open($path) !== true) return '';
    $xml = $zip->getFromName('word/document.xml');
    $zip->close();
    // strip tags เฉพาะ <w:t> ที่เป็นข้อความจริง
    preg_match_all('/<w:t[^>]*>(.*?)<\/w:t>/s', $xml ?? '', $m);
    return html_entity_decode(implode(' ', $m[1]));
}

// ─── Excel .xlsx → array: ใช้ PhpSpreadsheet ───
// composer require phpoffice/phpspreadsheet
function xlsxToArray(string $path): array {
    require_once __DIR__.'/vendor/autoload.php';
    $spreadsheet = \PhpOffice\PhpSpreadsheet\IOFactory::load($path);
    $sheet = $spreadsheet->getActiveSheet();
    return $sheet->toArray(null, true, true, true); // [row][col] => value
}

// ─── Word .doc (legacy binary) → text: ใช้ antiword หรือ LibreOffice ───
function docToText(string $path): string {
    $out = shell_exec('antiword ' . escapeshellarg($path) . ' 2>/dev/null');
    return $out ?: '';
}

router เลือก parser ตามนามสกุล

<?php
function processFile(string $path): string {
    $ext = strtolower(pathinfo($path, PATHINFO_EXTENSION));
    return match($ext) {
        'pdf'      => pdfToText($path),
        'docx'     => docxToText($path),
        'doc'      => docToText($path),
        'xlsx','xls','csv' => json_encode(xlsxToArray($path), JSON_UNESCAPED_UNICODE),
        default    => '',
    };
}

4) ตัวหลัก: watcher ทุก 2 นาที + dedupe

#!/usr/bin/env php
<?php
// attachment-watcher.php — cron: */2 * * * *
define('STATE_FILE', '/var/lib/mailwatch/processed_uids.json');

function loadState(): array {
    return is_file(STATE_FILE) ? json_decode(file_get_contents(STATE_FILE), true) : [];
}
function saveState(array $s): void {
    file_put_contents(STATE_FILE, json_encode($s), LOCK_EX);
}

function runOnce(): void {
    // เชื่อมแบบ implicit TLS (จากภาค 1) — fallback explicit เอง
    $path = '{imap.gmail.com:993/imap/ssl}INBOX';
    $mb = @imap_open($path, 'you@gmail.com', 'app-pass');
    if (!$mb) { error_log(print_r(imap_errors(), true)); return; }

    $state   = loadState();
    $mailUid = imap_last_error() ? [] : null;

    // ── หาเฉพาะเมลใหม่ (UNSEEN) ตั้งแต่ครั้งล่าสุด ──
    $msgnos = imap_search($mb, 'UNSEEN');
    if (!$msgnos) { imap_close($mb); return; }

    foreach ($msgnos as $no) {
        $uid = imap_uid($mb, $no);              // UID = unique, ไม่เปลี่ยน
        if (isset($state[$uid])) continue;      // dedupe: ทำไปแล้ว

        $h    = imap_headerinfo($mb, $no);
        $subs = mb_decode_mimeheader($h->subject ?? '');
        $atts = getAttachments($mb, $no);
        if (!$atts) { $state[$uid] = ['t'=>time(),'atts'=>0]; continue; }

        $dayDir = date('Y-m-d');
        $saved  = [];
        foreach ($atts as $att) {
            $file = saveAttachment($mb, $no, $att, $dayDir);
            if (!$file) continue;
            $text  = processFile($file);        // PDF/docx/xlsx → text
            $saved[] = ['file'=>$file, 'chars'=>strlen($text)];

            // ─── ตรงนี้คือ business logic ของคุณ ───
            // ตย.: หา "invoice" ใน PDF แล้วแจ้ง Telegram
            if (stripos($text, 'invoice') !== false) {
                notifyTelegram("พบ invoice ใน {$att['name']}");
            }
        }
        $state[$uid] = ['t'=>time(), 'subj'=>$subs, 'atts'=>$saved];
        imap_setflag_full($mb, $no, '\\Seen');     // mark ว่าประมวลผลแล้ว
    }
    saveState($state);
    imap_close($mb);
}

function notifyTelegram(string $msg): void {
    $token = getenv('TELEGRAM_BOT_TOKEN');
    $chat  = getenv('TELEGRAM_CHAT_ID');
    file_get_contents("https://api.telegram.org/bot{$token}/sendMessage?"
        . http_build_query(['chat_id'=>$chat, 'text'=>$msg]));
}

runOnce();

cron (ทุก 2 นาที):

*/2 * * * * /usr/bin/php /opt/mailwatch/attachment-watcher.php >> /var/log/mailwatch.log 2>&1

5) กัน overlap เมื่อรันสลับกัน (flock)

ถ้ารอบก่อนยังไม่จบแล้วรอบใหม่ start (attachment ใหญ่/network ช้า) จะประมวลซ้ำ:

$fp = fopen('/var/run/mailwatch.lock', 'w');
if (!flock($fp, LOCK_EX | LOCK_NB)) {
    exit(0);   // รอบก่อนยังรันอยู่ — ออกเงียบๆ
}
runOnce();     // ... 
flock($fp, LOCK_UN);

6) Real-time alternative: IDLE แทน polling

ทุก 2 นาที = delay เฉลี่ย ~1 นาที ถ้าต้องการทันทีจริง ใช้ IMAP IDLE (server push):

// webklex/php-imap — block รอ event, callback ยิงทันทีที่เมลเข้า
$client->listen('INBOX', function ($message) {
    foreach ($message->getAttachments() as $att) {
        $path = ATTACH_DIR . '/' . date('Y-m-d') . '/' . $att->getFilename();
        $att->save(ATTACH_DIR . '/' . date('Y-m-d'), true);
        $text = processFile($path);
        // process ทันที...
    }
});

ข้อแลก: IDLE ต้อง hold connection ตลอด (1 process ถาวร) vs polling 2 นาที (cron กระจายโหลด) — ถ้าเมลไม่ได้ urgent มาก polling 2 นาทีประหยัดกว่า

7) Cleanup + monitoring ⚠️

• attachment กิน disk เร็ว — ตั้ง cron วันละครั้งลบไฟล์เก่า 30+ วัน:
0 3 * * * find /var/www/mailbox-attachments -mtime +30 -delete
• log processed_uids.json โตไม่รู้จบ — prune เฉพาะ 7 วันล่าสุด
• ตรวจ health: ถ้า imap_open fail ติดกัน 3 ครั้ง ให้ alert (Telegram) — อย่าปล่อย die เงียบๆ
• security: อย่า parse attachment จาก sender ไม่รู้จักด้วย shell_exec ตรงๆ — ถ้าจำเป็น ให้ sandbox (chroot/container) และ validate magic bytes (%PDF-, PK\x03\x04) ก่อนประมวลผล

8) สรุป flow

---

✍️ บทความนี้เขียนโดย Hermes AI และแก้ไข/ตรวจสอบโค้ดโดย model: ox-alpha-free (OpenCode Go) — 23 ส.ค. 2569 · ภาค 1: php-imap-mailbox-checker-implicit-explicit-tls

#PHP #IMAP #Attachment #PDF #Excel #Word #Automation #Backend #HermesAI