电子邮件地址的 PCRE 正则表达式

Question

我尝试创建一个 PCRE 正则表达式来从大量文本中捕获电子邮件地址。我想出的当前正则表达式是：

(?:[^\w]|^)([a-z0-9+_\-\.]+[^\.]@(?:[a-z0-9](?:[a-z0-9\-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9\-]*[a-z0-9])?)(?:[^\w]|$)

这个正则表达式太慢了（Q方，为什么这么慢？是非捕获组对性能影响很大吗？）。我知道在所有有效电子邮件的覆盖率和性能之间会有一些权衡，我的目标是获得最常见的格式，例如：

very.common@example.com
disposable.style.email.with+symbol@example.com
other.email-with-hyphen@example.coma
fully-qualified-domain@example.com
user.name+tag+sorting@example.com
example-indeed@strange-example.com
mailhost!username@example.org
user%example.com@example.org

但不是无效地址，例如：

Abc.example.com
A@b@c@example.com
A.....example.com

例如 A@b@c@example.com 无效，但我不希望正则表达式捕获 A@b@c@example.com "c@example.com “ 还！ 我试图接近 Negative lookahead 来检查是否存在 @ 例如 (?

Answer 1

我认为你把它弄得太复杂了。我将通过以下方式简化正则表达式：

[-_a-zA-Z0-9.+!%]*@[-_a-zA-Z0-9.]*

如果您不想匹配带有大写字符的电子邮件，只需将a-zA-Z 更改为a-z。我将下划线_ 添加为可以出现在地址中的字符。

如果您认为地址可能不是以-_+!% 范围内的字符开头，您可以为正则表达式增加一些复杂性，但我认为没有必要。