O que é um arquivo MBOX?

MBOX é um formato de texto puro que abre em qualquer editor. Ele é usado para e-mail e o arquivamento.

A extensão é .mbox e o nome por extenso é Mailbox Archive. Os dois importam menos do que aquilo que o arquivo consegue carregar, e é disso que trata o resto desta página.

Ele remonta a 1975. A especificação é RFC 4155.

A um formato que se manteve legível por tanto tempo dá para confiar algo que você quer de volta daqui a dez anos.

Ela está publicada por inteiro, então dá para implementá-la a partir do documento em vez de por observação — é por isso que o formato aparece em tantos programas e por isso que arquivos escritos há vinte anos ainda abrem. Especificação publicada não é o mesmo que livre de royalties: quando o formato embrulha um codec, o licenciamento das patentes é uma questão à parte, que a norma não resolve.

Um arquivo MBOX não está limitado a uma página, e isso conta na hora de converter para algo que está: cada conversão produz um arquivo com uma página só — a primeira, a menos que o conversor deixe você escolher qual.

Mozilla Thunderbird e Apple Mail leem esse formato, e a maioria dos programas do mesmo tipo também.

Quando um arquivo não abre, o formato raramente é o problema — mais comum é o programa ser mais antigo que ele. Converter para algo mais antigo é o caminho confiável, e é para isso que serve o resto deste site.

Nenhum navegador lê o formato.

Esse é de longe o motivo mais comum para convertê-lo: não que o formato seja ruim, mas que o lugar onde você quer mostrar o arquivo não consegue lê-lo.

MBOX foi feito para ser entregue, não para se trabalhar dentro dele. Editar um é possível e raramente agradável; o caminho sensato passa pelo original e por uma nova exportação.

MBOX é o que uma exportação de caixa de e-mail entrega, e de longe o caminho mais comum até um é o Google Takeout — o serviço que devolve uma cópia do seu Gmail. O Thunderbird exporta do mesmo jeito, o Apple Mail também, e a maioria das ferramentas de arquivamento e migração produz MBOX porque é o único formato de caixa de e-mail em que todo mundo concorda.

O que chega é um arquivo por rótulo ou pasta, e pode ser muito grande. Uma década de e-mail com anexos rotineiramente passa de vários gigabytes, às vezes dezenas. Esse tamanho é a primeira surpresa, e não é engano — o arquivo contém toda mensagem e todo anexo, sem compressão.

Um MBOX é toda mensagem da caixa escrita uma depois da outra, num único arquivo de texto puro. Cada mensagem começa com uma linha que inicia com "From " — sem dois-pontos, o que a distingue do cabeçalho From: — e corre até a próxima linha assim começar.

Essa é a estrutura inteira. Sem índice, sem sumário, sem limite por mensagem além de uma linha de texto que por acaso começa do jeito certo. É um desenho de 1975, e tem exatamente as propriedades que você esperaria: gloriosamente simples, legível por qualquer coisa, e completamente inadequado para achar uma mensagem entre quarenta mil.

Como o separador é uma linha de texto comum, uma mensagem cujo próprio corpo tem uma linha começando com "From " no início parece o começo da mensagem seguinte. Programas de e-mail escapam essas linhas ao escrever o arquivo, geralmente inserindo um sinal de maior-que, e implementações diferentes fizeram esse escape de jeitos diferentes por cinquenta anos.

É essa a origem da fama de corrupção do formato. Uma caixa escrita por um programa e lida por outro pode mostrar uma mensagem truncada, ou duas mensagens fundidas, ou um sinal de maior-que perdido no início de uma linha que estava certa no original. O arquivo não está danificado; duas implementações discordaram sobre uma convenção que nunca foi especificada com precisão.

O Thunderbird é a resposta padrão: crie uma pasta local, coloque o MBOX na pasta do perfil ou use um complemento de importação, e as mensagens aparecem como uma caixa normal que você pode buscar e ler. Para dar uma olhada única numa exportação grande, vale os vinte minutos que isso leva.

Um editor de texto também abre, e para um arquivo pequeno essa é genuinamente a forma mais rápida de responder "a mensagem que eu preciso está mesmo aqui". Para um arquivo de vários gigabytes, a maioria dos editores recusa ou trava a máquina — limite do editor, não do formato.

O que nem navegador nem sistema operacional fazem é mostrar o conteúdo com um clique duplo. Não há programa associado por padrão no Windows nem no macOS, motivo de o arquivo tantas vezes ficar parado na pasta de downloads por um ano.

É o que a maioria das pessoas realmente quer. Um MBOX é um backup; arquivos EML individuais são coisas que dá para ler, encaminhar, anexar a um processo ou entregar a um advogado. Separar transforma um objeto opaco numa pasta que você busca com as ferramentas que já tem.

É também o primeiro passo certo antes de qualquer conversão. Converter uma caixa inteira para PDF produz milhares de documentos e nenhuma forma de achar nada neles; separar primeiro, identificar as vinte mensagens que importam, e converter só essas é a diferença entre uma tarde e duas semanas.

Todo anexo já enviado ou recebido está no arquivo, codificado como texto base64. Essa codificação infla dado binário em cerca de um terço, e nada no formato é comprimido, então uma caixa contendo quatro gigabytes de anexos passa bem de cinco gigabytes em disco.

Uma consequência prática: um MBOX comprime extremamente bem. Compactar em ZIP uma exportação antes de guardar ou transferir costuma reduzir o tamanho pela metade, porque texto base64 é enormemente redundante. Se você está guardando um arquivo do Takeout como backup, mantê-lo zipado é quase de graça.

É um excelente arquivo. Texto puro, especificação pública, cinquenta anos de implementações, e um formato que ainda vai ser legível quando todo cliente de e-mail em uso hoje já tiver sido substituído. Se você quer que seu e-mail sobreviva ao seu provedor, um MBOX guardado é uma resposta sólida.

É um formato de trabalho ruim. Não há índice, então toda busca lê o arquivo inteiro; não há acesso concorrente seguro, então dois programas mexendo ao mesmo tempo podem danificá-lo; e não há metadado por mensagem além do que a própria mensagem carrega — rótulos, marcadores e estrutura de pasta ficam fora do formato e se perdem ou são aproximados em toda migração. Use para arquivar e mover, não para viver nele.