正则表达式解析邮件To头收件人地址匹配失败问题排查

原正则的问题 #

你写的正则r'^.*?<?(?P<to>.*)>?'没法实现需求，核心问题有两个：

• <?和>?是可选匹配，正则可以直接忽略<和>，直接进入后续捕获组逻辑。
• 捕获组里的.*是贪婪匹配，会从当前位置一直匹配到字符串末尾，哪怕后面有>也不会停下。

所以第二个地址里，正则直接跳过了<的匹配，让(?P<to>.*)把整个字符串都捕获了，根本没提取<>内部的邮箱地址。

修复后的正则方案 #

用分支匹配的思路：优先匹配带<>的格式并捕获内部内容；如果没有<>，就捕获整个字符串。

修正后的代码：

import re
# 分支匹配：先处理带<>的情况，再处理纯文本情况
re_destinatario = re.compile(r'^.*<(?P<to>[^>]+)>|^(?P<to>.+)$')
addresses = [
    'XKYDF/ABC (Caixa Corporativa)',
    'Fulano de Tal | Atlantica Beans <fulano.tal@atlanticabeans.com>'
]
for address in addresses:
    m = re_destinatario.search(address)
    print(m.groups())
    print(m.group('to'))

运行结果：

('XKYDF/ABC (Caixa Corporativa)', None)
XKYDF/ABC (Caixa Corporativa)
(None, 'fulano.tal@atlanticabeans.com')
fulano.tal@atlanticabeans.com

正则解释 #

• ^.*<(?P<to>[^>]+)>：匹配从开头到<的内容，然后捕获<和>之间非>的所有字符（[^>]+避免贪婪匹配越过>）。
• |^(?P<to>.+)$：如果前面的分支匹配失败（即没有<>），就捕获整个非空字符串。

如果不想出现None的组值，也可以用更简洁的优先级写法：

re_destinatario = re.compile(r'(?:^.*<)?(?P<to>[^>]+)(?:>)?$')

不过分支匹配的写法更直观，也更容易维护。

内容的提问来源于stack exchange，提问作者Clodoaldo Pinto