Bash正则表达式匹配电子邮件

Question

我正在尝试在Bash中使用正则表达式匹配一些电子邮件地址。 目前已经得到了以下表达式：

"^[a-zA-Z0-9!#\$%&'\*\+/=?^_\`{|}~-]+(\.[a-zA-Z0-9!#\$%&'\*\+/=?^_\`{|}~-]+)*@([a-zA-Z0-9]([a-zA-Z0-9-]*[a-zA-Z0-9])?\.)+[a-zA-Z0-9]([a-zA-Z0-9-]*[a-zA-Z0-9])?\$"

这段代码可以成功匹配我需要的所有电子邮件，但是当我尝试添加"To: "字段时，似乎无法得到任何匹配项，我不确定为什么。

"^To:\s[a-zA-Z0-9!#\$%&'\*\+/=?^_\`{|}~-]+(\.[a-zA-Z0-9!#\$%&'\*\+/=?^_\`{|}~-]+)*@([a-zA-Z0-9]([a-zA-Z0-9-]*[a-zA-Z0-9])?\.)+[a-zA-Z0-9]([a-zA-Z0-9-]*[a-zA-Z0-9])?\$"

我知道的是这应该与"To: [e-mail]"相匹配，但实际上并没有匹配成功:( 有什么建议吗？

代码示例

Reply-To: "[e-mail]" <[e-mail]>
To: [e-mail]
Date: Mon, 21 Jun 2012 21:34:10 -0300

用于搜索文件并添加到数组中的代码

regex="^[a-zA-Z0-9!#\$%&'\*\+/=?^_\`{|}~-]+(\.[a-zA-Z0-9!#\$%&'\*\+/=?^_\`{|}~-]+)*@([a-zA-Z0-9]([a-zA-Z0-9-]*[a-zA-Z0-9])?\.)+[a-zA-Z0-9]([a-zA-Z0-9-]*[a-zA-Z0-9])?\$"


for i in $(cat mailbox.mbx); do 
    if [[ $i =~ $regex ]]; then
    echo $i
    sortarray[$index]=$i
    index=$(($index+1))
    fi
done

- user1298620

---

所以您的字符串是否包含[email]标签？电子邮件地址以空格结尾吗？请发布完整字符串。 - VladL

不好意思，它并没有那样，那是从复制粘贴中自动输入的。现在它已经完全正确了。 - user1298620

请返回包含电子邮件的完整字符串。 - VladL

它正在从一个大文件中解析，但是上面的示例已经显示出来了。 例如：“To: [e-mail]” 单独一行。第一个正则表达式可以很好地捕获它，而第二个则没有捕获任何内容。 - user1298620

需要更多信息，电子邮件是如何开始和结束的？是否带有标签、空格、行首或行尾等？ - VladL

Answer 1

bash正则表达式不支持Perl的\s。你需要使用POSIX的[[:space:]]。另外，你应该在那里添加一个量词。

我看到你在$regex中有锚点：这些是否让你感到困扰？

对于像这样庞大的正则表达式，我喜欢一步一步地构建它们：

char='[[:alnum:]!#\$%&'\''\*\+/=?^_\`{|}~-]'
name_part="${char}+(\.${char}+)*"
domain="([[:alnum:]]([[:alnum:]-]*[[:alnum:]])?\.)+[[:alnum:]]([[:alnum:]-]*[[:alnum:]])?"
begin='(^|[[:space:]])'
end='($|[[:space:]])'

# include capturing parentheses, 
# these are the ** 2nd ** set of parentheses (there's a pair in $begin)
re_email="${begin}(${name_part}@${domain})${end}"

line="To: [e-mail]"

[[ $line =~ $re_email ]] && echo ${BASH_REMATCH[2]}
# prints: [e-mail]

当然，电子邮件地址非常复杂--请参考http://www.w3.org/Protocols/rfc822/#z8，并且注释和空格几乎可以出现在任何地方。事实上，(hi there) "我的名字".lastname (another comment) @ domain.(really)invalid应该被认为是有效的地址。有一个Perl模块Email::Address可以生成这个正则表达式：

$ perl -MEmail::Address -E 'say $Email::Address::addr_spec'  
(?-xism:(?-xism:(?-xism:(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*(?-xism:[^\x00-\x1F\x7F()<>\[\]:;@\\,."\s]+(?:\.[^\x00-\x1F\x7F()<>\[\]:;@\\,."\s]+)*)(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*)|(?-xism:(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*"(?-xism:(?-xism:[^\\"])|(?-xism:\\(?-xism:[^\x0A\x0D])))+"(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*))\@(?-xism:(?-xism:(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*(?-xism:[^\x00-\x1F\x7F()<>\[\]:;@\\,."\s]+(?:\.[^\x00-\x1F\x7F()<>\[\]:;@\\,."\s]+)*)(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*)|(?-xism:(?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*\[(?:\s*(?-xism:(?-xism:[^\[\]\\])|(?-xism:\\(?-xism:[^\x0A\x0D]))))*\s*\](?-xism:(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|(?-xism:\s*\((?:\s*(?-xism:(?-xism:(?>[^()\\]+))|(?-xism:\\(?-xism:[^\x0A\x0D]))|))*\s*\)\s*)))*\s*\)\s*)|\s+)*)))

- glenn jackman

---

这是一个非常好的解释，非常有启发性，真正有帮助，特别是通过变量拆分正则表达式并重新构建。 - user1298620

Answer 2

这个正则表达式应该匹配所需的字符串：

"^To: (.+@.+)$"

该电子邮件存储在$1中。

- VladL

---

很抱歉，没有"To: "，它与电子邮件不匹配，但有了它就找不到匹配项。它还需要实现原始的正则表达式（或尽可能接近，但一旦找到初始的To:，我可以修复它）。已将我的代码添加到主题中。 - user1298620

@DanFarrall 如果是 Reply-To: 的情况，电子邮件的开头和结尾都有 **"**，但如果是 To: 的情况就没有。你确定这样正确吗？ - VladL

@DanFarrall，你缺少像标签、特殊符号等的东西。将第一个输出重定向到文本文件，并使用不同的文本查看器/编辑器查看它。 - VladL

我尝试过使用仅包含"To: [e-mail]"的纯文本文件，但是To:无法匹配。您是否测试过您的解决方案并发现它有效？我在运行OS X，但在这种情况下它不应该有任何影响，对吗？ - user1298620

@DanFarrall 我已在C#中测试过它，但这不应有任何影响，因为我没有使用Perl或常见的正则表达式特定元素。 - VladL