正则表达式匹配邮件To与最近Subject字段间的DL关键词

原正则失效原因 #

之前编写的正则存在匹配范围溢出问题，核心原因有两点：

• 通配部分用了无边界限制的(?s:.)*?，非贪婪匹配在正则引擎回溯时，会跨越多组To:/Subject:边界，只要能找到后续的Subject:标识就会完成匹配，无法锁定相邻的独立区间
• 没有对区间内的特殊标识做拦截，最终会从全文第一个To:开始匹配，一直延伸到全文最后一个Subject:，把不该纳入的内容都算进匹配范围

可用正则表达式 #

直接使用下面的正则即可满足需求：

(?s)(?<=To: )(?:(?!To:|Subject:).)*?(?: DL | DL-)(?:(?!To:|Subject:).)*?(?=Subject:)

匹配逻辑说明 #

• 后行断言(?<=To: )定位到To: 的结束位置，作为单个匹配区间的起点
• 区间内所有字符匹配都加了负前瞻校验(?!To:|Subject:)，匹配任意字符前先确认当前位置后面不是To:或Subject:标识，从根本上避免跨边界匹配，把范围严格锁死在当前To:和它之后第一个最近的Subject:之间
• 锁定区间后再查找目标关键词DL或 DL-，只会命中收件人、抄送字段范围内的DL通讯组标识
• 先行断言(?=Subject:)把区间终点卡在Subject:标识的起始位置，完全不会读取主题字段内的内容，自然不会误匹配主题里的DL

效果验证 #

用给出的示例邮件测试：

From: Mouse, Mickey <JMouse@Disney.​com<mailto:JMouse@​Disney.com>>
Sent: Thursday, May 26, 2022 8:14 AM
To: Mouse, Minnie <DMouse@Disney.c​om<mailto:DMouse@Disney.com>>  
Cc: Disney, Joseph R <JDisney@Disney.co​m<mailto:JDisney@Disney.com>> DL-Musketeers@Disney.com 
Subject: RE: DL commission

• 可以正常命中Cc字段内DL-Musketeers中的DL-
• 不会匹配Subject行“RE: DL commission”里的DL，因为这部分内容在Subject:标识之后，不在匹配区间内
• 如果邮件存在多组To:/Subject:块，会逐块在相邻区间内匹配，不会出现跨区间范围过大的问题

内容的提问来源于stack exchange，提问作者DLP_Jeff