在 C# 中使用正则表达式解析电子邮件标头

Question

我有一个 Webhook 发布到我的 Web 应用程序上的表单，我需要解析电子邮件标头地址。

这是源文本：

Thread-Topic: test subject
Thread-Index: AcwE4mK6Jj19Hgi0SV6yYKvj2/HJbw==
From: "Lastname, Firstname" <[email protected]>
To: <[email protected]>, [email protected], [email protected]
Cc: <[email protected]>, [email protected]
X-OriginalArrivalTime: 27 Apr 2011 13:52:46.0235 (UTC) FILETIME=[635226B0:01CC04E2]

我希望提取以下内容：

<[email protected]>, [email protected], [email protected]

我一整天都在与正则表达式作斗争，但没有任何运气。

Answer 1

与这里的一些帖子相反，我必须同意 mmutz 的观点，你无法使用正则表达式解析电子邮件......请参阅这篇文章：

https://www.rfc-editor.org/rfc/rfc2822#section-3.4.1

3.4.1。地址规范规范

addr-spec 是特定的 Internet
包含本地的标识符
解释后的字符串
at 符号（“@”，ASCII 值
64) 后面跟着一个互联网域。

“本地解释”的想法意味着只有接收服务器才能解析它。

如果我要尝试解决这个问题，我会找到“To”行内容，将其分开并尝试使用 System.Net.Mail.MailAddress 解析每个段。

    static void Main()
    {
        string input = @"Thread-Topic: test subject
Thread-Index: AcwE4mK6Jj19Hgi0SV6yYKvj2/HJbw==
From: ""Lastname, Firstname"" <[email protected]>
To: <[email protected]>, ""Yes, this is valid""@[emails are hard to parse!], [email protected], [email protected]
Cc: <[email protected]>, [email protected]
X-OriginalArrivalTime: 27 Apr 2011 13:52:46.0235 (UTC) FILETIME=[635226B0:01CC04E2]";

        Regex toline = new Regex(@"(?im-:^To\s*:\s*(?<to>.*)$)");
        string to = toline.Match(input).Groups["to"].Value;

        int from = 0;
        int pos = 0;
        int found;
        string test;
        
        while(from < to.Length)
        {
            found = (found = to.IndexOf(',', from)) > 0 ? found : to.Length;
            from = found + 1;
            test = to.Substring(pos, found - pos);

            try
            {
                System.Net.Mail.MailAddress addy = new System.Net.Mail.MailAddress(test.Trim());
                Console.WriteLine(addy.Address);
                pos = found + 1;
            }
            catch (FormatException)
            {
            }
        }
    }

上述程序的输出：

[email protected]
"Yes, this is valid"@[emails are hard to parse!]
[email protected]
[email protected]

Answer 2

符合 RFC 2822 的电子邮件正则表达式是：

(?:[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*|"(?:[\x01-\x08\x0b\x0c\x0e-\x1f\x21\x23-\x5b\x5d-\x7f]|\\[\x01-\x09\x0b\x0c\x0e-\x7f])*")@(?:(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?|\[(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?|[a-z0-9-]*[a-z0-9]:(?:[\x01-\x08\x0b\x0c\x0e-\x1f\x21-\x5a\x53-\x7f]|\\[\x01-\x09\x0b\x0c\x0e-\x7f])+)\])

只需在您的文本上运行它，您就会获得电子邮件地址。

当然，当正则表达式不是最佳选择时，总是可以选择不使用正则表达式。但取决于你！

Answer 3

您不能使用正则表达式来解析 RFC2822 邮件，因为它们的语法包含递归产生式（在我的脑海中，它是用于注释（（嵌套）注释）），这使得语法非-常规的。正则表达式（顾名思义）只能解析正则语法。

另请参阅RegEx 匹配开放标记（XHTML 自包含标记除外） 了解更多信息。

Answer 4

正如 Blindy 所建议的，有时您可以用老式的方式解析它。

如果您愿意这样做，这里有一个快速方法，假设电子邮件标题文本称为“标题”：

int start = header.IndexOf("To: ");
int end = header.IndexOf("Cc: ");
string x = header.Substring(start, end-start);

我在减法上可能会偏离一个字节，但您可以非常轻松地测试和修改它。当然，您还必须确保标题中始终有一个抄送：行，否则这将不起作用。

Answer 5

此处详细介绍了使用正则表达式验证电子邮件，其中引用了 RFC 2822 的更实际实现with：

[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?

看起来您只需要“收件人”字段之外的电子邮件地址，并且您已经得到了 <>也要担心，所以像下面这样的事情可能会起作用：

^To: ((?:\<?[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\>?,?(?:\s*))*)

同样，正如其他人提到的，您可能不想这样做。但是，如果您希望正则表达式将该输入转换为 <[email protected] >、[电子邮件受保护]、[电子邮件受保护]，就可以了。