Question

我必须解析多行字符串并检索特定位置的电子邮件地址。

我使用以下代码完成了它：

String input = "Content-Type: application/ms-tnef; name=\"winmail.dat\"\r\n"
            + "Content-Transfer-Encoding: binary\r\n" + "From: ABC aa DDD <aaaa.b@abc.com>\r\n"
            + "To: DDDDD dd <sssss.r@abc.com>\r\n" + "CC: Rrrrr rrede <sssss.rv@abc.com>, Dsssssf V R\r\n"
            + " <dsdsdsds.vr@abc.com>, Psssss A <pssss.a@abc.com>, Logistics\r\n"
            + " <LOGISTICS@abc.com>, Gssss Bsss P <gdfddd.p@abc.com>\r\n"
            + "Subject: RE: [MyApps] (PRO-34604) PR for Additional Monitor allocation [CITS\r\n"
            + " Ticket:258849]\r\n" + "Thread-Topic: [MyApps] (PRO-34604) PR for Additional Monitor allocation\r\n"
            + " [CITS Ticket:258849]\r\n" + "Thread-Index: AQHRXMJHE6KqCFxKBEieNqGhdNy7Pp8XHc0A\r\n"
            + "Date: Mon, 1 Feb 2016 17:56:17 +0530\r\n"
            + "Message-ID: <B7F84439E634A44AB586E3FF2EA0033A29E27E47@JETWINSRVRPS01.abc.com>\r\n"
            + "References: <JA.101.1453963700000@myapps.abc.com>\r\n"
            + " <JA.101.1453963700000.978.1454311765375@myapps.abc.com>\r\n"
            + "In-Reply-To: <JIRA.450101.1453963700000.978.1454311765375@myapps.abc.com>\r\n"
            + "Accept-Language: en-US\r\n" + "Content-Language: en-US\r\n" + "X-MS-Has-Attach:\r\n"
            + "X-MS-Exchange-Organization-SCL: -1\r\n"
            + "X-MS-TNEF-Correlator: <B7F84439E634A44AB586E3FF2EA0033A29E27E47@JETWINSRVRPS01.abc.com>\r\n"
            + "MIME-Version: 1.0\r\n" + "X-MS-Exchange-Organization-AuthSource: TURWINSRVRPS01.abc.com\r\n"
            + "X-MS-Exchange-Organization-AuthAs: Internal\r\n" + "X-MS-Exchange-Organization-AuthMechanism: 04\r\n"
            + "X-Originating-IP: [1.1.1.7]";

    Pattern pattern = Pattern.compile("To:(.*<([^>]*)>).*Message-ID", Pattern.DOTALL);
    Matcher matcher = pattern.matcher(input);
    while (matcher.find()) {
        Pattern innerPattern = Pattern.compile("<([^>]*)>");
        Matcher innerMatcher = innerPattern.matcher(matcher.group(1));
        while (innerMatcher.find()) {
            System.out.println("-->:" + innerMatcher.group(1));
        }
    }

这里工作正常。我首先将部分从To分组到Message这是必需的部分。然后我有另一个分组来提取电子邮件ID。有没有更好的方法来做到这一点？我们可以使用一个模式匹配器来完成它吗？

更新：这是预期的输出：

-->:sssss.r@abc.com
-->:sssss.rv@abc.com
-->:dsdsdsds.vr@abc.com
-->:pssss.a@abc.com
-->:LOGISTICS@abc.com
-->:gdfddd.p@abc.com

Answer 1

理想情况下，您可以使用外观：

(?<=To:.*)<([^>]+)>(?=.*Message-ID)

Regular expression visualization

Debuggex

的可视化

不幸的是，Java doesn't support variable length in lookbehinds。解决方法可能是：

(?<=To:.{0,1000})<([^>]+)>(?=.*Message-ID)

Answer 2

我认为您正在查找<...>之后和To:之前的Message-ID内的所有电子邮件。因此，您可以使用基于\G的正则表达式进行一次传递：

Pattern pt = Pattern.compile("(?:\\bTo:|(?!^)\\G).*?<([^>]*)>(?=.*Message-ID)", Pattern.DOTALL);
Matcher m = pt.matcher(input);
while (m.find()) {
    System.out.println(m.group(1));
}

请参阅IDEONE demo和regex demo

正则表达式匹配：

(?:\\bTo:|(?!^)\\G) - 前导边界，To:整个单词或上一次成功匹配后的位置
.*? - 任何字符，第一个
<([^>]*)> - 以<开头的子字符串，后跟除>（第1组）以外的零个或多个字符，后跟关闭>
(?=.*Message-ID) - 一个积极的前瞻，确保在当前比赛之前某处有Message-ID。

正则表达式中的嵌套/重复组

2 个答案: