语言控请进·如何从一堆文字中扫描电邮地址？

DeathKing

正则式匹配有难度啊……经常遇到中文和邮箱连着的情况，因为邮箱地址的长度不定，老是要把无关字符扫描进去……

38571240

根据长度？为什么不把能找到的后缀都列入？但@前面MS不可能确定

dukesward

我看到正则式三个字就知道我走错了

DeathKing

回复 38571240 的帖子

对啊，无论前面和后面，处理起来都很麻烦的说。

冰蓝的马甲

/(\w+)@((?:[-a-z0-9]+\.)+[a-z]{2,})/i
用这个试试

project999

输入输出邮箱的时候前后加上分隔符？
（不懂正则的路过

lslscn

看啊看···············

苏小脉

http://en.wikipedia.org/wiki/Email_address#Syntax

以上是电子邮箱地址的语法，正式语法定义在 RFC 5321、5322。

local-part@domain

其中提到：local-part 的长度上限为 64。

有效的 local-part：

Uppercase and lowercase English letters (a–z, A–Z)
Digits 0 to 9
Characters ! # $ % & ' * + - / = ? ^ _ ` { | } ~
Character . (dot, period, full stop) provided that it is not the first or last character, and provided also that it does not appear two or more times consecutively (e.g. John..Doe@example.com).
Additionally, quoted-strings (e.g., "John Doe"@example.com) are permitted, thus permitting characters otherwise prohibited.

domain 可以是一个有效的主机名，定义：

Hostnames are composed of series of labels concatenated with dots, as are all domain names.
...
Each label must be between 1 and 63 characters long, and the entire hostname (including the delimiting dots) has a maximum of 255 characters.
The Internet standards for protocols mandate that component hostname labels may contain only the ASCII letters 'a' through 'z' (in a case-insensitive manner), the digits '0' through '9', and the hyphen ('-'). The original specification of hostnames in RFC 952, mandated that labels could not start with a digit or with a hyphen, and must not end with a hyphen. However, a subsequent specification (RFC 1123) permitted hostname labels to start with digits.

这里我们以 RFC 1123 定义的主机名为标准。

domain 同时也可以是 IP 地址：

In addition, the domain part may be an IP address literal, surrounded by square braces ...

IPv4 地址语法由 RFC 1918 定义，简单地说即是以句号分隔的四个 8 位无符号整数。

同时，根据 IP 标准，电子邮箱地址整体长度不得超过 254。

尝试写了一下：

1. #coding: GBK
   
2. 
   
3. # local-part@domain
   
4. 
   
5. local_char = '(?:[a-zA-Z0-9!#\$\%&\'*/=?^_`{|}~-])'
   
6. domain_label = '(?:[a-zA-Z0-9]+(?:-+[a-zA-Z0-9]+)*)'
   
7. zero_to_255 = '(?:\d|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])'
   
8. 
   
9. $pattern = %r<
   
10. 
    
11. # local-part
    
12. (?:(?:#{local_char}+(?:\.#{local_char}+)*)|".*")
    
13. @
    
14. # domain
    
15. (?:#{domain_label}(?:\.#{domain_label})*|\[#{zero_to_255}(?:\.#{zero_to_255}){3,3}\])
    
16. 
    
17. >x
    
18. 
    
19. def assert_match(str, expected)
    
20.         if !(expected ^ (str[$pattern] != str))
    
21.                 puts "预期#{expected ? '要' : '不'}匹配："
    
22.                 puts str
    
23.                 puts "结果#{expected ? '不' : '却'}匹配。"
    
24.                 exit(1)
    
25.         end
    
26. end
    
27. 
    
28. assert_match('user@example.com', true)
    
29. assert_match("66rpg.USER@66rpg.com", true)
    
30. assert_match("death.king@test.com", true)
    
31. assert_match(".deathking@test.com", false)
    
32. assert_match("deathking.@test.com", false)
    
33. assert_match('china.66rpg.forums.moderators.zh99998@66rpg.com.cn', true)
    
34. assert_match('1993de?at!hk#i$n%g@localhost', true)
    
35. assert_match('death>ki/ng@localhost', false)
    
36. assert_match('e@t.c',true)
    
37. assert_match('e@t.c.', false)
    
38. assert_match('DEATHKING@66RPG.COM', true)
    
39. assert_match('"雷欧纳德 sama 的邮箱哦>_<"@66rpg.net', true)
    
40. assert_match('"!@#$%^&*"特殊字符君的邮箱哦%^&*<>:{"}"@example.org', true)
    
41. assert_match('deathking@[127.0.0.1]', true)
    
42. assert_match('deathking@192.168.0.1', true)                                 # 这是主机名
    
43. assert_match('deathking@32768.1348.1083.19735', true)                         # 这也是主机名
    
44. assert_match('deathking@[192.168.0,1]', false)
    
45. assert_match('deathking@[8.0.8.256]', false)
    
46. assert_match('deathking@[8.300.8.255]', false)
    
47. assert_match('deathking@[8.30.260.255]', false)
    
48. assert_match('deathking@[8.0.8.255]', true)
    
49. assert_match('deathking@[-3.3.5.7]', false)
    
50. assert_match('deathking@[192.168.178.123.]', false)
    
51. 
    
52. puts '测试全部通过。'
    
53. 
    
54. string = '大家好，我的名字叫Deathking，我的Email：是deathking03323@66rpg.cn哦，常联系！'
    
55. puts string[$pattern]

复制代码

大概是这样。细微处还可以稍作调整，比如那些特殊字符，虽然标准允许，但大多数电子邮件客户端都不会允许。还可以加上 IPv6 的匹配。
长度上限在表达式中没有处理，因为据我所知，两级以上的动态长度的字元，同时又有长度限制的语言并非正则语言，所以正则表达式无法做到。静态长度的字元自然可以限制长度，如：
(?:.){1,63}
接受长度上限为 63 的字符串。但如果圆括号中的字元长度也是动态的，那正则表达式就无法描述了。