正则表达式是解析 SMTP 接收行的好选择吗答案

【问题标题】：Would regex be a good choice to parse SMTP received lines正则表达式是解析 SMTP 接收行的好选择吗
【发布时间】：2012-04-30 23:50:25
【问题描述】：

我想解析规范中正式定义的RFC822 (SMTP)“已接收”行的元素，例如：

原子 = 1* [...] 收到=“收到”“：”；每个继电器一个 [“来自”域] ;发送主机 [“按”域] ;接收主机 [“通过”原子]；物理路径 *("with" 原子) ;链接/邮件协议 ["id" 味精-id] ;接收方消息 ID ["for" 地址规范] ;初始形式 “;”约会时间 ;收到时间 [...] msg-id = "" ;唯一消息 ID [...] addr-spec = 本地部分“@”域；全球地址等用于域、日期时间等。

这是一个真实的例子：

收到：来自 ll-194.132.162.89.kv.sovam.net.ua (ll-194.132.162.89.kv.sovam.net.ua [83.170.243.194] (可能是伪造的)) by raq2073.uk2.net (8.10.2/8.10.2) 与  的 ESMTP id 为 lASHDDE10765；格林威治标准时间 2007 年 11 月 28 日星期三 17:13:13

正则表达式是捕获接收行的一部分的好策略吗？

我意识到许多 SMTP 服务器没有正确格式化接收到的行（在现实生活中）。

否则，有谁知道 Java 中的库可以很好地做到这一点？

编辑这是一个fiddle，显示了我已经尝试了一段时间的正则表达式和测试，这似乎有效。

Received:\s+(?:from\s+(.+?))?(?:\(qmail (.+?)\))?(?:\s+by\s+(.+?))?(?:\\s+via\s+(.+?))?(?:\s+with\s+(.+?))?(?:\;?\s+id\s+(.+?))?(?:\s+for\s+(.+?))?(?:;\s*(?!.*\;.*)(.+))?$

【问题讨论】：

标签： java regex smtp

【解决方案1】：

选择实际上取决于您想要实现的目标。

对于捕获 Receiver-line 的特定部分（例如，'give me the From-part'），正则表达式非常棒。

如果您需要一个成熟的语法分析器，那么仅靠正则表达式是不够的。尤其是 addr-spec 有很多特殊情况，以至于正则表达式无法正确处理每一种情况 (explanation)。正则表达式不是解析器。

上次我需要一个真正的解析器时，我使用JavaCC 编写了自己的解析器。如果您对语法和解析了解一两件事，我只会建议您走这条路。

【讨论】：

是的，我只想捕获零件，而不是单独验证它们。