使用正则表达式检测文本中的电子邮件

Question

我想检测文本格式的电子邮件，以便可以将锚标记与锚中的mailto标记放在一起。 我有它的正则表达式，但是代码还可以检测已由锚标记封装的电子邮件或锚标记mailto参数内部的电子邮件。

我的正则表达式是：

([\w-]+(\.[\w-]+)*@([a-z0-9-]+(\.[a-z0-9-]+)*?\.[a-z]{2,6}|(\d{1,3}\.){3}\d{1,3})(:\d{4})?)

但是它在以下示例文本中检测到3个匹配项：

ttt <a href='mailto:someone@example.com'>someemail@mail.com</a> abc email@email.com

我只希望正则表达式匹配email@email.com。

Answer 1

与我之前对其他问题的回答非常相似，请尝试

(?<!(?:href=['"]mailto:|<a[^>]*>))(\b[\w-]+(\.[\w-]+)*@([a-z0-9-]+(\.[a-z0-9-]+)*?\.[a-z]{2,6}|(\d{1,3}\.){3}\d{1,3})(:\d{4})?)

唯一真正不同的是电子邮件开始之前的边界\\b 。

在Regexr上看到一个类似的表达式，它并不完全相同，因为Regexr在后面的回历中不支持交替和无限长。

Answer 2

最好将HTML的解析留给适合的解析（例如HtmlAgilityPack ），然后将其与regex结合以更新文本节点：

    string sContent = "ttt <a href='mailto:someone@example.com'>someemail@mail.com</a> abc email@email.com";
    string sRegex = @"([\w-]+(\.[\w-]+)*@([a-z0-9-]+(\.[a-z0-9-]+)*?\.[a-z]{2,6}|(\d{1,3}\.){3}\d{1,3})(:\d{4})?)";
    Regex Regx = new Regex(sRegex, RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture);

    HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
    doc.LoadHtml(sContent);

    var nodes = doc.DocumentNode.SelectNodes("//text()[not(ancestor::a)]");
    foreach (var node in nodes)
    {
        node.InnerHtml = Regx.Replace(node.InnerHtml, @"<a href=""mailto:$0"">$0</a>");
    }
    string fixedContent = doc.DocumentNode.OuterHtml;

我注意到您在其他论坛中也发布了相同的问题，但尚未在其中任何一个中指定答案。