RegExp 用于将电子邮件列表拆分为基本组件 (JavaScript)

Question

我几乎可以做到这一点，但不完全。

我有一个 JavaScript 字符串，其中包含一个格式不同的电子邮件列表（没有换行符，为便于阅读而编辑）：

var emailList = 'peter@pan.com, 
lucky <jack@pot.com>, 
"William Tell" <billy@tell.com>, 
"John Rambo, III" <johnny@rambo.com>, 
"there, might, be, several, commas inside the quotes" <multiple@commas.com>, 
"yes, this is also a valid email address, can you believe" <yes@this@is@valid.com>'

首先，我需要将此字符串拆分为不同的电子邮件。电子邮件由', '分隔：

peter@pan.com, lucky <jack@pot.com>

但', ' 也可能出现在用引号括起来的名称中：

"John Rambo, III" <johnny@rambo.com>

甚至可以在引号内找到多个逗号：

"there, might, be, several, commas inside the quotes" <multiple@commas.com>

第 1 步：替换用引号括起来的 ,

我想用逗号替换 <<<<!!!!>>>> 之类的东西

我已经尝试过这个正则表达式：(".*)(,)(\s.*"), $1<<<<!!!!>>>>$3https://regex101.com/r/baha69/1/，但它没有替换引号内的逗号... :-(

第 2 步：拆分数组并撤消逗号替换

这可以在 JavaScript 中通过拆分和替换轻松完成：

var Array = emailList.split(', ');
Array.forEach(function(element, index, arr) {
  arr[index] = element.replace("<<<<!!!!>>>> ", ", ");
});

此时，我应该有一个这样的数组（没有换行符，为便于阅读而编辑）：

Array[0] = 'peter@pan.com'
Array[1] = 'lucky
            <jack@pot.com>'
Array[2] = '"William Tell"
            <billy@tell.com>'
Array[3] = '"John Rambo, III"
            <johnny@rambo.com>'
Array[4] = '"there, might, be, several, commas inside the quotes
            <multiple@commas.com>'
Array[5] = '"yes, this is also a valid email address, can you believe"
            <yes@this@is@valid.com>'

第 3 步：拆分电子邮件地址

现在我必须将每封电子邮件转换为基本组件（没有换行符，为便于阅读而编辑）：

Array[0] = {fullName: '',
            firstWord: '', localPart: 'peter', company: 'pan', 
            email: 'peter@pan.com'}
Array[1] = {fullName: 'lucky',
            firstWord: 'lucky', localPart: 'jack', company: 'pot', 
            email: 'jack@pot.com'};
Array[2] = {fullName: 'William Tell',
            firstWord: 'William', localPart: 'billy', company: 'tell',
            email: 'billy@tell.com'};
Array[3] = {fullName: 'John Rambo, III',
            firstWord: 'John', localPart: 'johnny', company: 'rambo',
            email: 'johnny@rambo.com'};
Array[4] = {fullName: 'there, might, be, several, commas inside the quotes', 
            firstWord: 'there', localPart: 'multiple', company: 'commas',
            email: 'multiple@commas.com'};
Array[5] = {fullName: 'yes, this is also a valid email address, can you believe', 
            firstWord: 'yes', localPart: 'yes@this@is', company: 'valid',
            email: 'yes@this@is@valid.com'};

为此，我将使用以下正则表达式：

var firstWord = element.match('/"?(\w*),? .*"?/ig')[1]; 

这行得通！ :-) https://regex101.com/r/6Z481l/1

var fullName = element.match('/"?(.*)"? </ig')[1]; 

这不起作用：捕获尾随“:-( https://regex101.com/r/6Z481l/2

var localpart = element.match('/<(.*)@/ig')[1];

这不起作用：peter@pan 中的 peter 未被捕获 :-( https://regex101.com/r/6Z481l/3

var company = element.match('/@(.*)\./ig')[1];

这行得通！ :-) https://regex101.com/r/6Z481l/4

var email = element.match('/<(.*@.*)>|(^[^<].*[^>])/ig')[1];

令人惊讶的是，这有效！ :-) 但我几乎可以肯定它可以变得更优雅 https://regex101.com/r/6Z481l/5

值得一提的是，电子邮件被认为是经过验证的

所以，我需要一些帮助来完成第 1 步和第 3 步。如果第 3 步中的任何工作正则表达式可以简化或更优雅，我会从中学习！

不是目标，但如果你想出一个神奇的正则表达式，它可以像我需要的那样拆分电子邮件，那么我可以保证你一定会让我赞叹不已，并且因为我缺乏正则表达式知识而让我感到非常渺小！ ！ :-)

谢谢！

Answer 1

我相信您应该能够使用正则表达式获得预期的最终结果：

(?:(?:"?((\w+)\b.*\b)"?)\s)?<?(([\w@]*)@(\w*)\.[a-zA-Z]{2,3})>?,?

并将其替换为：

{ fullName:'\1', firstWord:'\2', localPart:'\4', company:'\5', email:'\3'}

See Demo

Answer 2

您可以用逗号分割字符串，不包括用引号括起来的字符串，例如this:

,(?=(?:[^'"]|'[^']*'|"[^"]*")*$)

这应该可以让您摆脱第 1 步和第 2 步。

关于步骤 3 中的非功能模式：

不起作用：捕获尾随“

• (?|"(\[^"\]+)"|(.*) <)：首先匹配平衡引号，或者<之前的所有内容。
  警告：如果第 1 组为空，则必须检查第 2 组（不幸的是，JS 没有 branch reset 组）。

不起作用：peter@pan 中的 peter 未被捕获

• (<|^)(.*)@：你可以从头开始二次匹配；
  但是，这很麻烦，因为模式没有正确锚定。

对于电子邮件验证部分，您应该使用existing 和recommended 解决方案之一。但我猜这是另一个话题。