開展電子郵件行銷活動時,最大的挑戰之一是確保您的郵件到達收件匣而不是垃圾郵件資料夾。
Apache SpamAssassin 是許多電子郵件用戶端和電子郵件過濾工具廣泛使用的工具,用於將郵件分類為垃圾郵件。在這篇文章中,我們將探討如何利用 SpamAssassin 來驗證您的電子郵件是否會被標記為垃圾郵件以及為什麼會被標記為垃圾郵件。
該邏輯將被打包為 API 並在線上部署,以便可以整合到您的工作流程中。
為什麼選擇 Apache SpamAssassin?
Apache SpamAssassin 是一個由 Apache 軟體基金會維護的開源垃圾郵件偵測平台。它使用多種規則、貝葉斯過濾和網路測試來為給定的電子郵件分配垃圾郵件「分數」。一般來說,得分為 5 或以上的電子郵件被標記為垃圾郵件的風險很高。
由於 SpamAssassin 的評分是透明且有據可查的,因此您還可以使用它來準確識別電子郵件的哪些方面導致了高垃圾郵件分數並提高您的寫作水平。
SpamAssassin 入門
SpamAssassin 設計為在 Linux 系統上運作。您需要 Linux 作業系統或建立 Docker 虛擬機器來安裝和執行它。
在 Debian 或 Ubuntu 系統上,使用以下指令安裝 SpamAssassin:
sa-update 指令確保 SpamAssassin 的規則是最新的。
安裝後,您可以將電子郵件訊息透過管道傳輸到 SpamAssassin 的命令列工具中。輸出包括帶有垃圾郵件分數的電子郵件的註釋版本,並解釋了觸發哪些規則。
典型用法可能如下圖所示:
results.txt 將包含已處理的電子郵件以及 SpamAssassin 的標頭和分數。
使用 FastAPI 將 SpamAssassin 包裝為 API
接下來,讓我們建立一個簡單的 API,它接受兩個電子郵件欄位:主題和 html_body。它將把欄位傳遞給 SpamAssassin 並傳回驗證結果。
FastAPI 程式碼範例
回覆將包含 SpamAssassin 結果的分析詳細資訊。
讓我們以此輸入為例:
回應將是這樣的:
線上部署API
運行SpamAssassin需要安裝了該軟體的Linux環境。傳統上,您可能需要 EC2 執行個體或 DigitalOcean Droplet 進行部署,這可能成本高昂且乏味,特別是在您的使用量較低的情況下。
對於無伺服器平台,它們通常不會提供像 SpamAssassin 這樣的直接方式來運行系統套件。
現在使用 Leapcell,您可以部署像 SpamAssassin 這樣的任何系統包,同時保持服務無伺服器 - 您只需為呼叫付費,這通常更便宜。
在 Leapcell 上部署 API 非常簡單。您不必擔心如何設定 Linux 環境或如何建立 Dockerfile。只需選擇要部署的Python鏡像,並正確填寫「Build Command」欄位即可。
部署後,您將擁有一個可以按需呼叫的端點。每當您的 API 被呼叫時,它都會執行 SpamAssassin,對電子郵件進行評分,並回傳回應。
以上是建立 API 讓您的行銷電子郵件遠離垃圾郵件的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Linux終端中查看Python版本時遇到權限問題的解決方法當你在Linux終端中嘗試查看Python的版本時,輸入python...

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX

本文指導Python開發人員構建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等庫詳細介紹,強調輸入/輸出處理,並促進用戶友好的設計模式,以提高CLI可用性。

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

禪工作室 13.0.1
強大的PHP整合開發環境

Atom編輯器mac版下載
最受歡迎的的開源編輯器

SublimeText3漢化版
中文版,非常好用