Wat is een MBOX-bestand?

MBOX is een puur tekstformaat dat in elke editor opengaat. Het wordt gebruikt voor e-mail en archivering.

De extensie is .mbox en de volledige naam Mailbox Archive. Allebei zeggen ze minder dan wat het bestand kan bevatten, en daar gaat de rest van deze pagina over.

Het gaat terug tot 1975. De specificatie is RFC 4155.

Aan een formaat dat zo lang leesbaar is gebleven kun je iets toevertrouwen dat je over tien jaar terug wilt hebben.

Ze is volledig gepubliceerd, dus wie het formaat wil uitvoeren kan dat uit het document doen in plaats van door te kijken hoe anderen het doen. Daarom duikt het in zo veel programma’s op, en daarom gaan bestanden van twintig jaar geleden nog steeds open. Openbaar is niet hetzelfde als royaltyvrij: waar een formaat een codec omhult, is de octrooilicentie een aparte vraag waarop de standaard geen antwoord geeft.

Een MBOX-bestand is niet tot één pagina beperkt, en dat telt bij het converteren naar iets dat dat wel is: één omzetting levert één bestand op met daarin één pagina — de eerste, tenzij de omzetter je laat kiezen welke.

Mozilla Thunderbird en Apple Mail lezen het, en de meeste programma’s van dezelfde soort ook.

Als een bestand niet opengaat ligt het zelden aan het formaat — vaker is het programma ouder dan het formaat. Converteren naar iets ouders is de betrouwbare weg eromheen, en daarvoor is de rest van deze site bedoeld.

Geen enkele browser leest het.

Dat is veruit de meest voorkomende reden om het te converteren: niet dat het formaat slecht is, maar dat de plek waar je het bestand wilt tonen het niet kan lezen.

MBOX is bedoeld om door te geven, niet om in te werken. Er een bewerken kan en is zelden prettig; de verstandige weg loopt via de bron en een nieuwe export.

MBOX is wat een mailbox-export je geeft, en verreweg de gangbaarste weg ernaartoe is Google Takeout — de dienst die een kopie van je Gmail overhandigt. Thunderbird exporteert op dezelfde manier, Apple Mail kan het, en de meeste archiverings- en migratietools produceren het omdat het het ene mailboxformaat is waar iedereen het over eens is.

Wat binnenkomt is één bestand per label of map, en het kan zeer groot zijn. Een decennium e-mail met bijlagen is routinematig meerdere gigabytes, soms tientallen. Die grootte is de eerste verrassing, en het is geen vergissing — het bestand bevat elk bericht en elke bijlage, oncomprimeerd.

Een MBOX is elk bericht in de mailbox achter elkaar geschreven in één plattetekstbestand. Elk bericht begint met een regel die begint met "From " — geen dubbele punt, wat het onderscheidt van de header From: — en loopt door tot de volgende zo’n regel begint.

Dat is de hele structuur. Geen index, geen inhoudsopgave, geen grens per bericht behalve een regel tekst die toevallig op de juiste manier begint. Het is een ontwerp uit 1975 en heeft precies de eigenschappen die je zou verwachten: heerlijk eenvoudig, leesbaar door alles, en volstrekt ongeschikt om één bericht tussen veertigduizend te vinden.

Omdat de scheiding een regel gewone tekst is, kan een bericht waarvan de eigen inhoud een regel bevat die begint met "From " op het eigen begin lijken op het begin van het volgende bericht. Mailsoftware escapet zulke regels bij het schrijven van het bestand, meestal door een groter-dan-teken in te voegen, en verschillende implementaties hebben dat vijftig jaar lang verschillend gedaan.

Dit is de bron van de reputatie voor beschadiging van het formaat. Een mailbox geschreven door het ene programma en gelezen door het andere kan een afgekapt bericht tonen, of twee samengevoegde berichten, of een verdwaald hoekje-haakje aan het begin van een regel dat in het origineel prima was. Het bestand is niet beschadigd; twee implementaties waren het oneens over een conventie die nooit precies vastgelegd is.

Thunderbird is het standaardantwoord: maak een lokale map, zet de MBOX in de profielmap of gebruik een importeerextensie, en de berichten verschijnen als een gewone mailbox die je kunt doorzoeken en lezen. Voor een eenmalige blik op een grote export is dat de twintig minuten waard die het kost.

Een teksteditor opent het ook, en voor een klein bestand is dat werkelijk de snelste manier om te beantwoorden "zit het bericht dat ik nodig heb hier eigenlijk in". Bij een bestand van meerdere gigabytes weigeren de meeste editors of nemen ze de machine mee — dat is een grens van de editor, niet van het formaat.

Wat geen browser en geen besturingssysteem doet, is het je tonen bij dubbelklikken. Er is geen ingebouwde afhandelaar op Windows of macOS, wat verklaart waarom het bestand zo vaak een jaar in de Downloads-map blijft liggen.

Dit is wat de meeste mensen daadwerkelijk willen. Een MBOX is een back-up; losse EML-bestanden zijn dingen die je kunt lezen, doorsturen, aan een dossier hechten of aan een advocaat geven. Opsplitsen verandert één ondoorzichtig object in een map die je kunt doorzoeken met de tools die je al hebt.

Het is ook de juiste eerste stap vóór elke omzetting. Een hele mailbox omzetten naar PDF levert duizenden documenten op en geen manier om iets te vinden; eerst splitsen, de twintig relevante berichten identificeren, en dan alleen die omzetten naar PDF is het verschil tussen een middag en twee weken.

Elke bijlage ooit verzonden of ontvangen zit in het bestand, gecodeerd als base64-tekst. Codering blaast binaire data op met ongeveer een derde, en niets in het formaat is gecomprimeerd, dus is een mailbox met vier gigabyte aan bijlagen ruim boven de vijf gigabyte op schijf.

Eén praktisch gevolg: een MBOX comprimeert uitstekend. Een export zippen voor je hem bewaart of verstuurt halveert de grootte doorgaans, want base64-tekst is enorm redundant. Bewaar je een Takeout-archief als back-up, dan is het gezipt bewaren vrijwel gratis.

Het is een uitstekend archief. Platte tekst, een publieke specificatie, vijftig jaar implementaties, en een formaat dat nog leesbaar zal zijn wanneer elke mailclient in huidig gebruik vervangen is. Wil je dat je e-mail je provider overleeft, dan is een MBOX in koude opslag een degelijk antwoord.

Het is een zwak werkformaat. Er is geen index, dus elke zoekopdracht leest het hele bestand; er is geen veilige gelijktijdige toegang, dus twee programma’s die er tegelijk in werken kunnen het beschadigen; en er is geen metadata per bericht buiten wat het bericht zelf draagt — labels, vlaggen en mapstructuur staan buiten het formaat en gaan verloren of worden benaderd bij elke migratie. Gebruik het om te archiveren en te verplaatsen, niet om erin te leven.

Google Takeout levert per label een apart MBOX-bestand, dus wie meerdere labels of jaren wil bewaren als één doorzoekbare geschiedenis, moet ze samenvoegen. Omdat elk bericht op zichzelf staat, is samenvoegen letterlijk de bestanden achter elkaar plakken, wat op de commandoregel of in Thunderbird via meervoudige import kan.

Het risico daarbij is dubbele berichten: een bericht dat onder twee labels stond, verschijnt in beide exports en dus twee keer na het samenvoegen. De meeste importtools dedupliceren op basis van Message-ID, wat het probleem oplost zolang die header intact bleef tijdens de export.