如何使用正则表达式从Gmail API获取的HTML邮件中提取6位验证码

问题原因 #

你之前使用的.*([0-9]{6})存在两个问题：

• .*为贪婪匹配规则，会优先匹配尽可能多的字符，仅将末尾最后6位数字归入捕获分组，无法准确定位目标验证码
• 没有限定6位数字的边界，会误匹配长数字串中的连续6位片段（比如示例里的邮编、电话号码片段都会被误识别）

推荐解决方案 #

方案1：依赖固定邮件模板的高准确率正则 #

你提供的HTML中，验证码固定在font-size:36px样式的div标签内，用这个特征写正则可以100%准确定位：

font-size:36px;line-height:92px">(\d{6})</div>

匹配后取第1个捕获分组的内容，就是目标验证码。

方案2：不依赖HTML结构的通用正则 #

如果邮件模板可能调整，可以用数字边界限定，仅匹配独立的6位数字：

(?<!\d)\d{6}(?!\d)

这个正则通过零宽断言保证匹配到的6位数字前后都没有其他数字，不会误识别长数字串的片段，你提供的示例中用这个正则匹配会得到2个完全相同的191418，直接去重即可拿到最终结果。

内容的提问来源于stack exchange，提问作者Zakaria Shahed