如何编写匹配UTF-8编码邮件头From字段人名的正则表达式

你遇到的匹配失效核心原因是目标内容属于RFC2047规范的邮件头QP（可打印编码）格式：=?UTF-8?Q?xxx?= 是固定的编码标识，其中=C2=A0是UTF-8不间断空格的QP编码，不是普通半角空格，因此无法被你正则中匹配普通空格的([ ])规则命中。
另外你原有正则存在小逻辑问题：FirstName+中的+仅作用在最后一个字符e上，会错误匹配FirstNameee这类不符合要求的内容，后续优化时可以注意修正。

方案1：先解码后校验（推荐） #

这是最稳妥的实现方式，不需要复杂正则适配编码规则，出错概率极低：

• 先通过对应编程语言的RFC2047解码工具，把编码后的邮件头内容转为普通UTF-8字符串，比如Python可以用email.header.decode_header库、Java可以用MimeUtility.decodeText方法
• 解码完成后使用优化后的正则\bFirstName\s+LastName\b即可正常匹配，同时能直接校验FirstName、LastName的大小写状态，\s可以兼容各类空白字符，适配性远高于单独匹配普通空格的规则

方案2：直接匹配编码后内容 #

如果业务场景不允许先解码，必须直接基于原始邮件头字符串匹配，可以使用如下正则：

=\?UTF-8\?Q\?(?<firstName>[A-Za-z]+)=C2=A0(?<lastName>[A-Za-z]+)\?=

正则规则说明 #

• =\?UTF-8\?Q\?：固定匹配QP编码的UTF-8邮件头前缀
• (?<firstName>[A-Za-z]+)：捕获FirstName分组，可根据大小写要求调整规则，比如首字母大写改为[A-Z][a-z]+、全大写改为[A-Z]+、全小写改为[a-z]+
• =C2=A0：匹配QP编码的不间断空格
• (?<lastName>[A-Za-z]+)：捕获LastName分组，大小写规则可参考FirstName自行调整
• \?=：匹配编码格式后缀

常见大小写场景示例 #

• 名和姓均为首字母大写：=\?UTF-8\?Q\?[A-Z][a-z]+=C2=A0[A-Z][a-z]+\?=
• 名全大写、姓全小写：=\?UTF-8\?Q\?[A-Z]+=C2=A0[a-z]+\?=
• 不限制大小写仅提取姓名字段：=\?UTF-8\?Q\?([A-Za-z]+)=C2=A0([A-Za-z]+)\?=

内容的提问来源于stack exchange，提问作者Rommel Jimenez