【发布时间】：2015-07-07 22:29:00
【问题描述】：
我在这里阅读过类似的问题，但由于并非所有正则表达式都是平等的，因此我无法找到解决问题的方法。
我正在为 SpamAssassin 制定一项规则，该规则将判断收件人的电子邮件用户名是否包含在邮件正文中。例如，发送到testuser@somedomain.com 的电子邮件在邮件正文中包含testuser。我已经在 Regex-101 上编写并测试了一个正则表达式，并且能够按预期匹配它，但是当我创建规则时，它在 SpamAssassin 中测试时不起作用。
这是表达式：
/To:\s([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
应该做的是匹配To: 标头中的电子邮件地址（或匹配格式To: user@somedomain.com 的邮件正文中的任何位置。正如我之前提到的，表达式在 Regex-101 上按预期匹配，但是当我在 SpamAssassin 中制定规则时，它不匹配。
如果我删除前导To:\s，那么它确实匹配，但我只关心匹配To: 标头中的电子邮件。我已经尝试过表达的这些不同的突变：
/To:\s([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
/To: ([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
/To:[\s]{0,2}([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
/:\s([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
/\s([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
前面的规则都不匹配，但这条匹配：
/([a-z0-9][-a-z0-9]{1,19})\@somedomain\.com[a-z0-9\s=;:\/\.-]*\1\b/i
这是我用于测试的文本：
Subject: Test spam mail (GTUBE) private jet rental
Message-ID: <GTUBE1.1010101@example.net>
Date: Wed, 23 Jul 2003 23:30:00 +0200
From: Sender <sender@live.com>
To: recipient@somedomain.com
Precedence: junk
MIME-Version: 1.0
Content-Type: text/plain; charset=us-ascii
Content-Transfer-Encoding: 7bit
recipient
This is the GTUBE, the
Generic
Test for
Unsolicited
Bulk
Email
哪个应该匹配To: recipient@somedomain.com ....recipient，但只有当我从表达式中删除To:\s 时才能使其匹配。完整的表达式在 Regex-101 中测试，所以它似乎是 SpamAssassin 特有的，但我不确定。
编辑
这是表达式的更新版本，不允许在用户名末尾使用破折号，但允许在中间：
/\bTo:\s([a-z0-9][-a-z0-9]{0,18}[a-z0-9])\@somedomain\.com[a-z0-9\s=;:\/\.-]*\b\1\b/i
【问题讨论】：
-
你为什么要在末尾添加用户名的反向引用（后跟单词边界）？有一件事，您允许在 backref 末尾使用破折号
-字符，但破折号 不是 一个单词，因此边界必须在实际单词之前。跨度> -
用户名的反向引用位于末尾，后跟单词边界，因此，如本例所示，
recipient需要出现在recipient@somedomain.com之后的文本中，以便匹配的规则。单词边界是这样的，如果用户名是另一个单词的一部分，则不匹配，例如recipients。 -
-允许在 backref 中处理电子邮件地址，例如some-user55@somedomain.com。 -
那么你不应该让破折号
-作为用户名的最后一个字符，这会导致问题。如果您的引擎支持条件，您可以使用条件边界(?(?<=\w)\b)来克服它。 -
无论如何，只要从头到尾剥离表达式，直到找到一些匹配项。根据需要修改，然后添加回来。
标签： regex email spamassassin