用于替换多个电子邮件地址的正则表达式

Question

好的，这是我的情况。我有一个由 WordPress 运行的网站。我需要确保电子邮件混淆，因此安装了一个名为“Graceful Email Obfuscation”的插件。这已经很好用了。问题是我想要一个包罗万象的东西，以防有人不遵循它指定的输入电子邮件地址的规则（即 [email] [电子邮件受保护] [/电子邮件]）。

以下正则表达式非常适合抓取所有电子邮件，但我不希望它触及正确编写为 [email][电子邮件受保护][/email]。我需要添加什么？

// Match any a href="mailto: AND make it optional
$monster_regex = '`(\<a([^>]+)href\=\"mailto\:)?';  

// Match any email address
$monster_regex .= '([^0-9:\\r\\n][A-Z0-9_]+([.][A-Z0-9_]+)*[@][A-Z0-9_]+([.][A-Z0-9_]+)*[.][A-Z]{2,4})'; 

// Now include all its attributes AND make it optional
$monster_regex .= '(\"*\>)?';

// Match any information enclosed in the <a> tag AND make it optional
$monster_regex .= '(.*)?'; 

// Match the closing </a> tag AND make it optional
$monster_regex .= '(\<\/a\>)?`'; 

$monster_regex .= 'im'; // Set the modifiers

preg_match_all($monster_regex, $content, $matches, PREG_SET_ORDER);

我的测试输入是这样的：

<a href = "[email protected]">Tester</a>
[email protected]
<a href = "[email protected]">Hotmail Test</a>
[email][email protected]]

我得到的输出是这样的：

(
    [0] => Array
        (
            [0] => <a href="mailto:[email protected]">Tester</a>

            [1] => <a href="mailto:
            [2] =>  
            [3] => [email protected]
            [4] => 
            [5] => 
            [6] => ">
            [7] => Tester</a>

        )

    [1] => Array
        (
            [0] => [email protected]

            [1] => 
            [2] => 
            [3] => [email protected]
            [4] => 
            [5] => 
            [6] => 
            [7] => 

        )

    [2] => Array
        (
            [0] => <a href="mailto:[email protected]">Hotmail Test</a>

            [1] => <a href="mailto:
            [2] =>  
            [3] => [email protected]
            [4] => 
            [5] => 
            [6] => ">
            [7] => Hotmail Test</a>

        )

    [3] => Array
        (
            [0] => [email][email protected][/email]

            [1] => 
            [2] => 
            [3] => [email][email protected]
            [4] => 
            [5] => 
            [6] => 
            [7] => [/email]

        )
)

提前致谢。

Answer 1

那么您想要匹配任何看起来像电子邮件地址的内容，除非它已经包含在 [email]...[/email] 标记中？试试这个：

'%(?>\b[A-Z0-9_]+(?:\.[A-Z0-9_]+)*@[A-Z0-9_]+(?:\.[A-Z0-9_]+)*\.[A-Z]{2,4}\b)(?!\s*\[/email\])%i'

注意：这个答案只解决如何匹配不包含更大结构的东西的问题。我不打算就如何（或是否）将电子邮件地址与正则表达式进行匹配进行争论。我只是从问题中提取了核心正则表达式，用 单词边界 (\b）并将其包装在 原子组 中（( ？>...))。

一旦找到潜在的匹配项，否定先行 会断言该地址后面没有结束 [/email] 标记。假设标签正确配对，这意味着地址已经正确标记。如果它们未正确配对，则插件的工作就是捕获它。

---

当我在这里时，我想对您的正则表达式提供一些评论：

• 范围表达式Az出现在您的一些字符类中。可能只是一个拼写错误，但有些人用它作为匹配大写或小写字母的习惯用法。这是一个错误，因为它还匹配几个标点符号，这些标点符号的代码点恰好位于两个字母范围之间。 （我在编辑问题时修复了这个问题。）

• 字符 <、>、:、"< /code>、@、= 和 / 在正则表达式中没有特殊含义，不需要转义，也没有什么坏处。任何东西，但正则表达式已经很难阅读了；为什么要扔一堆呢？您不需要的反斜杠和方括号？

• (.*)? 中的问号属于括号内：(.*?)。这样它就会不情愿地匹配下一个 之前的所有内容。如果没有什么可匹配的，那么它将什么也不匹配。使其成为可选不仅是多余的，还可能导致严重的性能损失。