Question

我想知道是否有人有一个很好的正则表达式来匹配电子邮件地址，以及混淆它们的常用方法，例如“joe [at] foo [dot] com”。我不是在寻找完全符合RFC的超级正则表达式。例如，以下内容足够好：

^[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,6}$

我只需要调整它以便最常见的方式来混淆电子邮件地址。是的，我知道有些人会超越它，并找到一种方法来混淆他们的电子邮件地址，使正则表达式不匹配，但我并不担心这些情况。

编辑：请阅读整个问题。我不是在询问验证电子邮件地址的问题。我知道网上有成千上万的帖子。我特意设法检测混淆的电子邮件地址。

Answer 1

如何做到这一点：

 ^[A-Z0-9\._%+-]+(@|\s*\[\s*at\s*\]\s*)[A-Z0-9\.-]+(\.|\s*\[\s*dot\s*\]\s*)[a-z]{2,6}$

以下是工作中的一个示例：http://regexr.com?2uh92

简而言之，它基本上使用括号在@和.分隔符上创建选项组。您可以轻松插入(\[|\()而不是括号，以使它们可选地使用括号，这类似于hi_there (at) gmail (dot) com之类的内容。

Answer 2

我从@Nightfirecat获取原始脚本并对其进行了一些改进，因为它无法匹配ie。这些电子邮件：

user @ domain.com

联系{@}监护人[dot] co [dot] uk

你好[[[@]]] jazzit（点）hr

以下是正则表达式的改进版本：

[A-Z0-9\._%+-]+(\s*@\s*|\s*[\[|\{|\(]+\s*(at|@)\s*[\)|\}\]]+\s*)([A-Z0-9\.-]+(\.|\s*[\[|\{|\(]+\s*(dot|\.)\s*[\)|\}|\]]+\s*))+[a-z]{2,6}

Demo（或here - 非闪光灯）

Answer 3

这是基于Nightfirecat的答案。以下正则表达式将匹配电子邮件地址和常见模糊处理 in text ：

[A-Z0-9\._%+-]+(?:\s*@\s*|\s*\[*\s*at\s*\]*\s*)+[A-Z0-9\.-]+(?:\s*\.\s*|\s*\[*\s*dot\s*\]*\s*)[a-z]{2,6}

当以下任何内容出现在文本字符串中时，这将找到匹配项：

obfuscated_emails = [
  "moo@doo.com",
  "m_oo@doo.co.uk",
  "moo @@ doo.com",
  "moo @ doo . com",
  "moo @ doo.com",
  "moo@doo . com",
  "moo@doo . co . uk",
  "moo@doo. co. uk",
  "m_oo @ doo.com",
  "moo [at] doo.com",
  "moo [at] doo . com",
  "moo [at] doo [dot] com",
  "m_oo [at] doo [dot] co [dot] uk",
  "moo at doo.com",
  "moo at doo . co . uk",
  "m_oo at doo . com",
  "moo at doo dot com"
]

如果您不需要或想要匹配文本中模糊的电子邮件地址，只需替换＆＃34; ^＆＃34;在开始时＆＃34; $＆＃34;最后（或在Rails中使用\ A和\ z）。

我正在使用它来确保用户不会将电子邮件地址放在不属于的文本中（或者在他们这样做时发出警告）。他们被提示在别处输入。

Answer 4

作为this answer explains，根据RFC 5322规范检测有效邮件地址的正确模式是：

#!/usr/bin/env perl use v5.10; $rfc5322 = qr{ (?(DEFINE) (?<address> (?&mailbox) | (?&group)) (?<mailbox> (?&name_addr) | (?&addr_spec)) (?<name_addr> (?&display_name)? (?&angle_addr)) (?<angle_addr> (?&CFWS)? < (?&addr_spec) > (?&CFWS)?) (?<group> (?&display_name) : (?:(?&mailbox_list) | (?&CFWS))? ; (?&CFWS)?) (?<display_name> (?&phrase)) (?<mailbox_list> (?&mailbox) (?: , (?&mailbox))*) (?<addr_spec> (?&local_part) \@ (?&domain)) (?<local_part> (?&dot_atom) | (?&quoted_string)) (?<domain> (?&dot_atom) | (?&domain_literal)) (?<domain_literal> (?&CFWS)? \[ (?: (?&FWS)? (?&dcontent))* (?&FWS)? \] (?&CFWS)?) (?<dcontent> (?&dtext) | (?&quoted_pair)) (?<dtext> (?&NO_WS_CTL) | [\x21-\x5a\x5e-\x7e]) (?<atext> (?&ALPHA) | (?&DIGIT) | [!#\$%&'*+-/=?^_`{|}~]) (?<atom> (?&CFWS)? (?&atext)+ (?&CFWS)?) (?<dot_atom> (?&CFWS)? (?&dot_atom_text) (?&CFWS)?) (?<dot_atom_text> (?&atext)+ (?: \. (?&atext)+)*) (?<text> [\x01-\x09\x0b\x0c\x0e-\x7f]) (?<quoted_pair> \\ (?&text)) (?<qtext> (?&NO_WS_CTL) | [\x21\x23-\x5b\x5d-\x7e]) (?<qcontent> (?&qtext) | (?&quoted_pair)) (?<quoted_string> (?&CFWS)? (?&DQUOTE) (?:(?&FWS)? (?&qcontent))* (?&FWS)? (?&DQUOTE) (?&CFWS)?) (?<word> (?&atom) | (?&quoted_string)) (?<phrase> (?&word)+) # Folding white space (?<FWS> (?: (?&WSP)* (?&CRLF))? (?&WSP)+) (?<ctext> (?&NO_WS_CTL) | [\x21-\x27\x2a-\x5b\x5d-\x7e]) (?<ccontent> (?&ctext) | (?&quoted_pair) | (?&comment)) (?<comment> $ (?: (?&FWS)? (?&ccontent))* (?&FWS)? $ ) (?<CFWS> (?: (?&FWS)? (?&comment))* (?: (?:(?&FWS)? (?&comment)) | (?&FWS))) # No whitespace control (?<NO_WS_CTL> [\x01-\x08\x0b\x0c\x0e-\x1f\x7f]) (?<ALPHA> [A-Za-z]) (?<DIGIT> [0-9]) (?<CRLF> \x0d \x0a) (?<DQUOTE> ") (?<WSP> [\x20\x09]) ) (?&address) }x;

粘滞位

请注意，根据RFC 5322规范，(?&comment)生产是完全递归的。如果您使用的玩具正则表达式引擎无法处理模式中的递归，那么您将无法编写符合规范的RFC 5322邮件地址正确匹配的正则表达式。

Answer 5

正确答案是：您不应该检测到模糊的电子邮件地址。

它们被混淆了一个原因：防止自动脚本收集它们;通过以自动方式检测和解析它们，您将违背其所有者的意愿。

正则表达式匹配电子邮件地址和常见的混淆

5 个答案:

粘滞位