正则表达式根据 RFC2822 验证消息 ID

Posted 2023-03-15

【中文标题】正则表达式根据 RFC2822 验证消息 ID

【英文标题】：regex to validate a message-ID as per RFC2822

【发布时间】：2011-04-27 11:29:18

【问题描述】：

我还没有找到执行此操作的正则表达式。我需要验证电子邮件中的“Message-ID：”值。它类似于电子邮件地址验证正则表达式，但更简单，没有电子邮件地址允许的大多数边缘情况，来自rfc2822

msg-id          =       [CFWS] "<" id-left "@" id-right ">" [CFWS] 
id-left         =       dot-atom-text / no-fold-quote / obs-id-left
id-right        =       dot-atom-text / no-fold-literal / obs-id-right
no-fold-quote   =       DQUOTE *(qtext / quoted-pair) DQUOTE
no-fold-literal =       "[" *(dtext / quoted-pair) "]"

假设外部 是可选的。点原子文本和缺失的定义可以在rfc2822中找到

我不精通正则表达式，我更喜欢使用已经测试过的，如果存在的话。

【问题讨论】：

找到了吗？那么，尝试自己写一个怎么样？ :)

【参考方案1】：

尝试类似 --> ^[A-Z0-9._%+-]+@[A-Z0-9.-]+.[A-Z]2,$

【讨论】：

这不正确，它不完全像一个电子邮件地址，@后面的部分不需要是'something.something'

【参考方案2】：

由于我找不到任何东西，我最终自己实现了它。根据 RFC2822，这不是一个正确的验证，但目前已经足够接近：

static String VALIDMIDPATTERN = "[a-z0-9!#$%&'*+/=?^_`|~-]+(?:\\.[a-z0-9!#$%&'*+/=?^_`|~-]+)*@[a-z0-9!#$%&'*+/=?^_`|~-]+(?:\\.[a-z0-9!#$%&'*+/=?^_`|~-]+)*";
private static Pattern patvalidmid = Pattern.compile(VALIDMIDPATTERN);

public static boolean isMessageIdValid(String midt) 
    String mid = midt;
    if (StringUtils.countMatches(mid, "<") > 1)
        return false;
    if (StringUtils.countMatches(mid, ">") > 1)
        return false;
    if (StringUtils.containsAny(mid, "<>")) 
        mid = StringUtils.substringBetween(mid, "<", ">");
        if (StringUtils.isBlank(mid)) 
            return false;
        
    
    if (StringUtils.contains(mid, "..")) 
        return false;
    
    //extract from <>
    mid = mid.trim();
    //now validate
    Matcher m = patvalidmid.matcher(mid);
    return m.matches();

【讨论】：

这个正则表达式是否只涵盖id-left 和id-right 的dot-atom-text 部分？我认为obs-id-left 将允许几乎任何 ASCII 字符。

@Nathan：很久以前……不记得了。可能你是对的，但我可以告诉你这个 impl。已成功用于处理商业产品中的数百万条消息 ID。所以使用起来应该是安全的。

感谢您确认您的生产使用情况 - 这有助于确认 id-left 和 id-right 的引用和过时部分实际上并未在实践中使用。

【参考方案3】：

使用标准正则表达式无法完美匹配 RFC2822 消息 ID，因为 CFWS 规则允许嵌套 cmets，这是正则表达式无法处理的。例如

<[e-mail]> (comment (another comment))

【讨论】：

不正确。嵌套模式可以与递归正则表达式匹配。

【参考方案4】：

如果有人感兴趣，我们的一位高级架构师研究了 RFC 2822 的多个层次，并提出了以下正则表达式，其中包括在左侧和右侧的引用。规范说新的实现不应该使用过时的字符，所以这个正则表达式不允许它们：

((([a-zA-Z0-9!#$%&'*+/=?^_`|~-]+(\.[a-zA-Z0-9!#$%&'*+/=?^_`|~-]+)*)|("(([\x01-\x08\x0B\x0C\x0E-\x1F\x7F]|[\x21\x23-\x5B\x5D-\x7E])|(\\[\x01-\x09\x0B\x0C\x0E-\x7F]))*"))@(([a-zA-Z0-9!#$%&'*+/=?^_`|~-]+(\.[a-zA-Z0-9!#$%&'*+/=?^_`|~-]+)*)|(\[(([\x01-\x08\x0B\x0C\x0E-\x1F\x7F]|[\x21-\x5A\x5E-\x7E])|(\\[\x01-\x09\x0B\x0C\x0E-\x7F]))*\])))

【讨论】：

这是一个带有不匹配组的 Python 正则表达式字符串：r'((?:(?:[a-zA-Z0-9!#$%&\'*+/=?^_`|~-]+(?:\.[a-zA-Z0-9!#$%&\'*+/=?^_`|~-]+)*)|(?:"(?:(?:[\x01-\x08\x0B\x0C\x0E-\x1F\x7F]|[\x21\x23-\x5B\x5D-\x7E])|(?:\\[\x01-\x09\x0B\x0C\x0E-\x7F]))*"))@(?:(?:[a-zA-Z0-9!#$%&\'*+/=?^_`|~-]+(?:\.[a-zA-Z0-9!#$%&\'*+/=?^_`|~-]+)*)|(?:\[(?:(?:[\x01-\x08\x0B\x0C\x0E-\x1F\x7F]|[\x21-\x5A\x5E-\x7E])|(?:\\[\x01-\x09\x0B\x0C\x0E-\x7F]))*\])))'