是否可以在 Procmail 中创建正则表达式来过滤掉包含某些单词的链接？
例如，我想过滤所有包含超链接的电子邮件，其中包含“取消订阅”一词（尽管它可能不是唯一的词）。这将过滤掉许多发送给我的时事通讯，放在一个我可以不时查看的子文件夹中。
例如，我试试这个：
.*<a.*unsubscribe.*</a>.*
但这只会过滤掉带有链接的任何内容，其中包含一些带有取消订阅的单词（不一定在链接中），然后是另一个关闭链接（不一定是单词之后的第一个）。它不会过滤单词 unsubscribe 之前的最后一个打开的超链接，直接跟在第一个关闭超链接标记之后。
我找不到任何信息如何找到某个单词之前的最后一次出现的 HTML，然后是单词，然后是单词之后的第一次出现的 HTML，我想这是我需要做的。
【问题讨论】：
标签： procmail
这并不完全准确，但可能与您想要的足够接近。
:0B
* <a([ ]+[^ > ]+)*[ ]+href="[^>"]*unsubscribe
unsub/
这会查找带有 href 属性的 HTML a 元素，该元素包含在正文中的 unsubscribe（B 标志）的双引号中。可选组 ([ ]+[^ > ]+)* 允许在 href 之前包含零个或多个其他属性。
按照 Procmail 中的惯例，[ ] 和 [^ > ] 中的空格应该是空格和制表符，顺序不限。 （我现在使用的移动设备无法让我轻松进入选项卡，因此这不是复制/粘贴证明。）
然而，并不是所有的 HTML 都是格式正确的，不是所有的 href 属性都是双引号，也不是所有的 HTML 附件都是未经编码的。事实上，最大的实际缺陷是没有正确处理引用打印的 HTML。一个简单的“80/20”解决方案是将= 更改为=(3D)?；一个非常复杂的问题是如何处理所有可能的 QP 变化（包括可选的等号，任何地方的换行符）；真正正确的解决方案是使用适当的 MIME 感知工具，而不是使用 Procmail，或者从 Procmail 内部使用；这样，您还可以透明地处理 base64 编码的 HTML。
从表面上看，您的直接问题是通过将重复运算符从贪婪更改为非贪婪来回答的。总而言之，.* 将跳过尽可能多的文本，而[^>]* 永远不会在下一次出现> 之前跳过过去。但是，如上所述，由于 MIME 允许以不同方式对文本进行编码以便通过电子邮件安全传输，因此存在显着的额外复杂性。
【讨论】：