如何使用PHP从Outlook邮件正文中提取URL链接

前置处理：解码Quoted-Printable编码 #

通过IMAP接口获取的Outlook邮件默认会用Quoted-Printable编码，你提供的样例中出现的genera= ted、3D"就是编码特征，需要先解码得到正常文本才能准确匹配：

// $rawImapContent 是你通过imap功能拿到的原始邮件正文
$decodedContent = quoted_printable_decode($rawImapContent);

正则匹配方案 #

针对HTTP/HTTPS开头的标准URL，使用以下正则即可覆盖绝大多数场景：

/https?:\/\/(?:www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b(?:[-a-zA-Z0-9()@:%_\+.~#?&\/=]*)/

完整的PHP调用代码如下：

// 解码原始内容
$decodedContent = quoted_printable_decode($rawImapContent);

// URL匹配正则
$pattern = '/https?:\/\/(?:www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b(?:[-a-zA-Z0-9()@:%_\+.~#?&\/=]*)/';

// 执行匹配
preg_match_all($pattern, $decodedContent, $matches);

// 提取所有匹配到的URL
$extractedUrls = $matches[0];

效果验证 #

用你提供的样例正文运行上述代码，最终得到的匹配结果为：
https://thomsonreuters.sendthisfile.com/sample
完全符合需求。

可选优化点 #

• 若需要匹配不带HTTP/HTTPS前缀的裸域名，可将正则开头的https?:\/\/调整为可选规则，你当前需要提取的是文件下载链接，均带HTTPS前缀，现有正则足够使用
• 若遇到包含特殊字符的非常规URL，可根据实际业务场景扩充正则中允许的字符范围

内容的提问来源于stack exchange，提问作者Programmer