含撇号邮箱在Jsoup动态CSS选择器中匹配失败的解决方案咨询

问题场景 #

解析.eml文件的邮件HTML内容时，用Jsoup构建动态CSS选择器匹配正文内的邮箱元素。现有代码用Pattern.quote()处理邮箱特殊字符，但遇到带撇号的合规邮箱（如john1'123@gmail.com）时，会抛出选择器解析异常：

org.jsoup.select.Selector$SelectorParseException: Unmatched closing ')' near index 21
^\Qclara's@gmail.com\E$),:matches(^\Qjohn1'123@gmail.com\E$
                     ^

问题根源是Pattern.quote()生成的\Q\E转义序列与邮箱中的撇号冲突，导致Jsoup无法正确解析选择器结构。

解决方案 #

核心是同时处理两类转义：正则特殊字符转义，以及Jsoup选择器中撇号的转义，同时明确界定正则表达式的解析边界。

1. 编写邮箱转义工具方法 #

先转义正则特殊字符，再清理\Q\E标记，最后转义撇号：

private String escapeEmailForJsoupMatches(String email) {
    // 转义正则特殊字符（如.、+等）
    String regexEscaped = Pattern.quote(email);
    // 移除\Q\E标记，同时将撇号转义为\'避免截断解析
    return regexEscaped.replace("\\Q", "")
                       .replace("\\E", "")
                       .replace("'", "\\'");
}

2. 修改选择器构建方法 #

给:matches()的正则表达式加上单引号包裹，明确解析范围：

private Stream<String> findExactReplyMatchQueriesStream(Set<String> emails) { 
    return emails.stream()
                 .filter(StringUtils::isNotEmpty) 
                 .map(recipient -> String.format(":matches('^%s$')", escapeEmailForJsoupMatches(recipient)));
}

原理说明 #

• Pattern.quote()负责转义邮箱中的正则特殊字符，避免正则匹配逻辑出错；
• 移除\Q\E标记是因为它会和撇号共同干扰Jsoup的选择器解析流程；
• 用\'转义邮箱内的撇号，同时用单引号包裹整个正则，确保Jsoup能识别正则的完整边界，不会被邮箱中的撇号提前截断解析；
• 最终生成的选择器格式类似:matches('^john1\'123@gmail.com$')，既能精确匹配目标邮箱，又能被Jsoup正确解析。

内容的提问来源于stack exchange，提问作者user613