Python如何从带mailto的异常字符串中提取标准邮箱地址？

你拿到的是经过Quoted-Printable（QP）编码的邮件内容，存在两个需要修复的异常点：

• HTML属性中的=被转义为QP编码格式的3D
• 邮箱地址中间的换行是QP编码的软换行，是邮件传输时为了满足单行长度限制自动添加的，不属于邮箱本身的内容

实现代码 #

import quopri
import re

# 待处理的原始字符串
raw_content = '''a href3D"mailto:ahmet
ca@abc.tr"'''

# 1. 先做QP编码解码，还原原始HTML内容
decoded_content = quopri.decodestring(raw_content.encode("utf-8")).decode("utf-8")

# 2. 正则匹配mailto协议后的邮箱地址
email_pattern = re.search(r"mailto:([^\"]+)", decoded_content)
if email_pattern:
    # 3. 去除邮箱中所有多余的空白、换行符，得到标准格式
    standard_email = re.sub(r"\s+", "", email_pattern.group(1))
    print(standard_email)

运行上述代码输出结果为：ahmetca@abc.tr

逻辑说明 #

• 邮件传输过程中特殊字符、过长行都会通过QP编码处理，使用Python标准库quopri可以直接完成解码，自动还原href3D为href=、处理软换行
• 解码后提取邮箱后额外做一次全局空白符替换，可以兼容其他可能残留的异常格式，保证输出的邮箱地址符合标准规范

内容的提问来源于stack exchange，提问作者Muratcan Çoban