public-inbox-learn

   1 #!/usr/bin/perl -w
   2 # Copyright (C) 2014-2015 all contributors <meta@public-inbox.org>
   3 # License: AGPLv3 or later (https://www.gnu.org/licenses/agpl-3.0.txt)
   4 #
   5 # Used for training spam (via SpamAssassin) and removing messages from a
   6 # public-inbox
   7 my $usage = "$0 (spam|ham) < /path/to/message";
   8 use strict;
   9 use warnings;
  10 use PublicInbox::Config;
  11 use Email::MIME;
  12 use Email::Address;
  13 use IPC::Run qw/run/;
  14 my $train = shift or die "usage: $usage\n";
  15 if ($train !~ /\A(?:ham|spam)\z/) {
  16         die "`$train' not recognized.\nusage: $usage\n";
  17 }
  18
  19 my $pi_config = PublicInbox::Config->new;
  20 my $mime = Email::MIME->new(eval { local $/; <> });
  21
  22 # get all recipients
  23 my %dests;
  24 foreach my $h (qw(Cc To)) {
  25         foreach my $recipient (Email::Address->parse($mime->header($h))) {
  26                 $dests{lc($recipient->address)} = 1;
  27         }
  28 }
  29
  30 my ($name, $email, $date);
  31
  32 if ($train eq "ham") {
  33         require PublicInbox::MDA;
  34         require PublicInbox::Filter;
  35         PublicInbox::Filter->run($mime);
  36         ($name, $email, $date) = PublicInbox::MDA->author_info($mime);
  37 }
  38
  39 my $in = $mime->as_string;
  40 my $err = 0;
  41 my @output = qw(> /dev/null > /dev/null);
  42
  43 # n.b. message may be cross-posted to multiple public-inboxes
  44 foreach my $recipient (keys %dests) {
  45         my $dst = $pi_config->lookup($recipient) or next;
  46         my $git_dir = $dst->{mainrepo} or next;
  47         my ($out, $err) = ("", "");
  48
  49         # We do not touch GIT_COMMITTER_* env here so we can track
  50         # who trained the message.
  51         # We will not touch GIT_AUTHOR_* when learning spam messages, either
  52         if ($train eq "spam") {
  53                 # This needs to be idempotent, as my inotify trainer
  54                 # may train for each cross-posted message, and this
  55                 # script already learns for every list in
  56                 # ~/.public-inbox/config
  57                 if (!run(["ssoma-rm", $git_dir], \$in, \$out, \$err)) {
  58                         if ($err !~ /^git cat-file .+ failed: 32768$/) {
  59                                 $err = 1;
  60                         }
  61                 }
  62         } else { # $train eq "ham"
  63                 # no checking for spam here, we assume the message has
  64                 # been reviewed by a human at this point:
  65                 PublicInbox::MDA->set_list_headers($mime, $dst);
  66                 my $s  = $mime->as_string;
  67
  68                 local $ENV{GIT_AUTHOR_NAME} = $name;
  69                 local $ENV{GIT_AUTHOR_EMAIL} = $email;
  70                 local $ENV{GIT_AUTHOR_DATE} = $date;
  71
  72                 # Ham messages are trained when they're marked into
  73                 # a SEEN state, so this is idempotent:
  74                 run([PublicInbox::MDA->cmd, $git_dir], \$s, \$out, \$err);
  75                 if ($err !~ /CONFLICT/) {
  76                         $err = 1;
  77                 }
  78         }
  79         if (!run([qw(spamc -L), $train], \$in, @output)) {
  80                 $err = 1;
  81         }
  82
  83         $err or eval {
  84                 require PublicInbox::SearchIdx;
  85                 PublicInbox::SearchIdx->new($git_dir, 2)->index_sync;
  86         };
  87 }
  88
  89 exit $err;