使用正则表达式在C++中进行国际电子邮件验证

Question

我在验证国际邮件地址时遇到了一些问题，例如john.doe@神谕.com、sara.smith@神谕.com、babu.ratnakar+आଆఉఊګ神谕@gmail.com和testæœö.神谕#$&*éùôß@äßæçëêùé+आଆ神谕.com。我想用C ++中的REGEX解决这个问题，并使内容更加通俗易懂。以下是在Java中工作正常的正则表达式：

^[\\p{L}0-9!#$%&'*+/=?^_`{|}~-]+(?:\\.[\\p{L}0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\p{L}0-9](?:[\\p{L}0-9-]*[\\p{L}0-9])?\\.)+[\\p{L}0-9](?:[\\p{L}0-9-]*[\\p{L}0-9])?$

我尝试在C++中进行轻微修改后使用相同的方法

std::string str("[\\\\p{L}0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[\\\\p{L}0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\\\p{L}0-9](?:[\\\\p{L}0-9-]*[\\\\p{L}0-9])?\.)+[\\\\p{L}0-9](?:[\\\\p{L}0-9-]*[\\\\p{L}0-9])?"); 

std::regex rx4(str);

但是regex_match在所有情况下都失败了。我认为问题出在\p{L}上。当我将其替换为a-z时，它接受带有英文字母的电子邮件地址。也就是说，这个可以工作：

std::regex rx3("[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?", std::regex::ECMAScript);

/p{L}在C++中不能匹配Unicode字符吗？

- vijin

---

你在构建正则表达式字符串时是否正确使用了转义符 (\\)？ - πάντα ῥεῖ

简短回答：不要（使用复杂的正则表达式验证电子邮件地址）。或者至少不要过度努力。你仍然需要发送验证电子邮件，所以只需使用简单的正则表达式，然后尝试向他们发送电子邮件即可。 - BoBTFish

是的，我相信转义是正确的。我只需要在“\p{L}”之前再加两个正斜杠“\”即可。 - vijin

正如指出的那样 - 转义。Java和C++以相同的方式进行转义，因此\应该保持不变，而不是\\。 - SamWhan

当我只保留两个斜杠即 \p{L} 时，会出现以下错误：Microsoft C++ exception: std::tr1::regex_error at memory location 0x047fcbfc。 - vijin

жҲ‘жғізҹҘйҒ“ "^(?:(?:[^<>()\\[\\].,;:\\s@\"]+(?:\\.[^<>()\\[\\].,;:\\s@\"]+)*)|\".+\")@(?:(?:[^<>()\\[\\].,;:\\s@\"]+\\.)+[^<>()\\[\\].,;:\\s@\"]{2,})$" жҳҜеҗҰйҖӮз”ЁдәҺжӮЁгҖӮе®ғеңЁ иҝҷйҮҢ еҸ‘еёғгҖӮ - Wiktor Stribiżew

Answer 1

C++ std::regex 支持6种正则表达式语法:

std::regex_constants 定义了六种不同的正则表达式语法：

ECMAScript: 类似于 JavaScript
basic: 类似于 POSIX BRE。
extended: 类似于 POSIX ERE。
grep: 与 basic 相同，但增加了将换行符视为交替运算符的功能。
egrep: 与 extended 相同，但增加了将换行符视为交替运算符的功能。
awk: 与 extended 相同，但增加了支持非可打印字符的常见转义符的功能。

这些语法都不支持Unicode 属性（或Unicode 类别类）例如 \p{L}，因此您不能在模式中使用 \p{L}。

如果您的解决方法适用，请使用它：

std::regex rx3("[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?", std::regex::ECMAScript);

或者从已知的在JavaScript中验证电子邮件地址？SO帖子中获取一个版本（删除锚点，因为您正在使用regex_match并重新转义以用于非原始字符串文字，以及std::regex :: ECMAScript ，因为它是默认使用的）：

std::regex rx3("(?:(?:[^<>()\\[\\].,;:\\s@\"]+(?:\\.[^<>()\\[\\].,;:\\s@\"]+)*)|\".+\")@(?:(?:[^<>()‌​\\[\\].,;:\\s@\"]+\\.)+[^<>()\\[\\].,;:\\s@\"]{2,})")

- Wiktor Stribiżew

---

我尝试了你的建议，但仍然遇到一些问题。我已经在Java和C++中都使用了正则表达式。但是电子邮件地址“伊昭傑@郵件.商務”在Java中被接受，但在C++中被拒绝。在Java中使用的正则表达式是：“^(?:(?:[^<>()\[\].,;:\s@"]+(?:\.[^<>()\[\].,;:\s@"]+))|".+")@(?:(?:[^<>()‌​\[\].,;:\s@"]+\.)+[^<>()\[\].,;:\s@"]{2,})$”。在C++中使用的是“std::regex rx3("(?:(?:[^<>()\[\].,;:\s@"]+(?:\.[^<>()\[\].,;:\s@"]+))|".+")@(?:(?:[^<>()‌​\[\].,;:\s@"]+\.)+[^<>()\[\].,;:\s@"]{2,})")”。 - vijin

使用^\S+@[^\s@]+\.[^\s@.]+$，为什么要这么限制电子邮件？ - Wiktor Stribiżew

是的，我明白。但是我试图理解这里的差异。行为应该在Java和CPP中相同，对吧？ - vijin

在C++中是否有与\p{L}等效的内容？ - vijin

使用 Boost 正则表达式库或 PCRE、PCRE2，它们支持 Unicode 类别。顺便说一下，std::regex reg(R"((?:(?:[^<>()\[\].,;:\s@\"]+(?:\.[^<>()\[\].,;:\s@\"]+)*)|\".+\")@(?:(?:[^<>()\[\].,;:\s@\"]+\.)+[^<>()\[\].,;:\s@\"]{2,}))"); 可以匹配您的电子邮件。请参阅 https://ideone.com/d26xH2。 - Wiktor Stribiżew