如何调整负向后行断言后的正则，仅匹配未出现在href中的裸邮箱地址

异常匹配的底层原理 #

该问题由负向零宽后行断言的工作机制和正则引擎的回溯特性共同导致：

• 负向零宽后行断言(?<!xxx)是零宽度匹配，仅检查当前匹配指针位置的前缀是否不符合xxx规则，本身不消耗字符，也不会固定匹配的起始位置。
• 第三行First的首字母F位置的前缀是href="mailto:，不满足负向断言要求，正则引擎不会终止匹配，而是自动将匹配起始位置后移1位到字符i的位置。
• 此时i位置的前缀是字符F，满足负向断言要求，引擎继续向后匹配：(?:[ \w]*)?匹配irst，<?匹配<，后续邮箱模式匹配first.last@example.com，最终产生了跳过首字母F的异常匹配结果。
  另外你原正则把邮箱前的普通文本也纳入匹配结果，是因为你将非邮箱的前缀规则(?:[ \w]*)?写入了匹配范围，不属于需求的匹配逻辑。

具体解决方案 #

方案1：通用跳过匹配法（兼容所有正则引擎） #

无需依赖特殊语法，逻辑为先匹配所有href内的mailto链接并丢弃，通过捕获组提取剩余的裸邮箱：

href="mailto:[^"]+"|(\b[\w.+-]+@[\w.-]+\.[A-Za-z]{2,}\b)

匹配后筛选第1个捕获组非空的结果，就是目标裸邮箱，测试场景下仅会匹配到naked.email@example.net。

方案2：可变长度负向后行断言法（适用于Python/Java 9+/JS ES2018+等支持可变长后行的引擎） #

如果你的正则引擎支持长度不固定的后行断言，可以直接用更简洁的规则限制前缀：

(?<!href="mailto:.*)\b[\w.+-]+@[\w.-]+\.[A-Za-z]{2,}\b

该规则会确保邮箱所在位置往前的任意范围都没有出现href="mailto:前缀，从根源避免引擎偏移匹配起始位置的问题。

内容的提问来源于stack exchange，提问作者equaeghe