标签：
百度下邮箱格式的正则表示，能够搜索到各式各样，五花八门的表示。如果没有仔细甄别，错误使用其中的一些代码，则很可能造成在遇到一些特殊的邮箱格式时无法识别。这里就分析下邮件相关的RFC标准，可详见RFC 5322, Internet Message Format或[2-RFC5322], 但在此之前需要先学习下[1-RFC5234]中关于ABNF的核心规则。
[1-RFC5234] 中Appendix B. Core ABNF of ABNF
B.1. Core Rules
ALPHA = %x41-5A / %x61-7A ; A-Z / a-z BIT = "0" / "1" CHAR = %x01-7F ; any 7-bit US-ASCII character, excluding NUL CR = %x0D ; carriage return CRLF = CR LF ; Internet standard newline CTL = %x00-1F / %x7F ; controls DIGIT = %x30-39 ; 0-9 DQUOTE = %x22 ; " (Double Quote) HEXDIG = DIGIT / "A" / "B" / "C" / "D" / "E" / "F" HTAB = %x09 ; horizontal tab LF = %x0A ; linefeed LWSP = *(WSP / CRLF WSP) ; Use of this linear-white-space rule ; permits lines containing only white ; space that are no longer legal in ; mail headers and have caused ; interoperability problems in other ; contexts. ; Do not use when defining mail ; headers and use with caution in ; other contexts. OCTET = %x00-FF ; 8 bits of data SP = %x20 ; space VCHAR = %x21-7E ; visible (printing) characters WSP = SP / HTAB ; white space
以下内容见[2-RFC5322], 章节编号与原文保持一致。
2 Message词法分析（Lexical Analysis of Messages）
取值范围在1-127的字符被称为US-ASCII字符.
Messages可分为许多行字符，一行是用两个相连的字符carriage-return（CR: ASCII码值13）与line-feed（LF: ASCII码值10）分隔， 通常写作CRLF.
Message是由header字段, 可选的body字段组成。
header section是由一些特定语法的许多行组成， header section后面是一个空行，接下来是body字段。
本规范中使用header field描述单个字段，用header section描述所有header字段。
每一行字符数务必（MUST）不能超过998个，不包括CRLF以外通常不应当超过78个字符。
998加上CRLF达到1000个字符，有许多接收方实现限定一行不能超过1000个字符。
78加上CRLF达到80个字符，有许多显示界面一行超过80个字符后被截断或显示到下一行。
Header Fields先是一个field name, 接下来是一个冒号, 接下来是一个field body, 后面是CLRF.
field name必须是可打印US-ASCII字符组成，即值为[33,126]之间除冒号以外的字符。
field body必须是可打印US-ASCII字符, 空格(SP:ASCII码值32), horizontal tab(HTAB:
ASCII码值9)字符组成。SP与HTAB组合即为WSP(white space characters).
field body务必不能（MUST NOT）包含CRLF, 除了用于"folding"与"unfolding"以外。
一些field body被称为"unstructured", 表示无需进一步处理的单行字符。
一些field body被称为"structured", 由一些特殊token组成, 这些token后面可以有comments与空格字符.
每个header field通常是由一行字符，由field name, 冒号和field body组成。
考虑到需要处理每行有998/78字符, header field中的field body部分可用多行来表示，这被称为"folding".
例如下面header field:
Subject: This is a test
可以被表示为
Subject: This
is a test
从folded多行变为单行的过程被称为"unfolding", 即去掉CRLF并立即跟一个WSP.
每个header field应当用其unfolded格式来做进一步的语法与此法分析。
unfolded header field没有长度限制。
3. 语法（Syntax）
3.2 词法(Lexical)tokens
3.2.1. Quoted characters
quoted-pair = ("\" (VCHAR / WSP)) / obs-qp
3.2.2. Folding White Space and Comments
header字段bodies中, 许多elements之间可以存在空白字符(White space characters), 这里的字符包含用于folding的空格;
圆括号（parentheses）中的字符串被视为comments。
下面定义了folding white space (FWS)和comment结构。
圆括号（parentheses）中的字符串只要不是在引号串内就被视为comments, Comments可以嵌套(nest).
有一些地方可随意插入comments与FWS, 为此新定义一个"CFWS" token.
但是，在一个folded header字段的任意一行，不能都是由WSP字符组成。
FWS = ([*WSP CRLF] 1*WSP) / obs-FWS
; Folding white space
ctext = %d33-39 / ; 可打印US-ASCII字符,
%d42-91 / ; 取值在[33-126]范围内但不包含
%d93-126 / ; 40="(", 41=")", or 92="\"
obs-ctext
%d33-39:
33: "!"
34: """
35: "#"
36: "$"
37: "%"
38: "&"
39: "‘"
42 "*"
43 "+"
44 "、"
45 "-"
46 "."
47 "/"
48-57: "0"-"9"
58: ":"
59: ";"
60: "<"
61: "="
62: ">"
63: "?"
64: "@"
65-90: "A-Z"
91: "["
93: "]"
94: "^"
95: "-"
96: "‘"
97-122: "a-z"
123: "{"
124: "|"
125: "}"
126: "~"
ccontent = ctext / quoted-pair / comment
comment = "(" *([FWS] ccontent) [FWS] ")"
CFWS = (1*([FWS] comment) [FWS]) / FWS
3.2.3. Atom
在structured header field bodies中有一些productions是由一些基本字符组成的简单串，
这些productions被称为atoms.
但有一些productions允许句点字符(".", ASCII值为46), 因此引入"dot-atom" token来表示这种情况。
atext = ALPHA / DIGIT / ; 不包含specials的可打印US-ASCII字符
"!" / "#" / ; 用于atoms.
"$" / "%" /
"&" / "‘" /
"*" / "+" /
"-" / "/" /
"=" / "?" /
"^" / "_" /
"`" / "{" /
"|" / "}" /
"~"
atom = [CFWS] 1*atext [CFWS]
dot-atom-text = 1*atext *("." 1*atext)
dot-atom = [CFWS] dot-atom-text [CFWS]
specials = "(" / ")" / ; atext中未出现的特殊字符
"<" / ">" /
"[" / "]" /
":" / ";" /
"@" / "\" /
"," / "." /
DQUOTE
3.2.4. Quoted Strings
用双引号(DQUOTE, ASCII值34)包含的串.
qtext = %d33 / ; 不包含双引号"""与反斜杠"\"的可打印字符。 %d35-91 / %d93-126 / obs-qtext qcontent = qtext / quoted-pair quoted-string = [CFWS] DQUOTE *([FWS] qcontent) [FWS] DQUOTE [CFWS]
用双引号包含的串被称为一个unit, 即双引号串在语法上与atom一致。
因为双引号串可包含FWS, 即允许folding.
而且注意双引号串中可以有双引号串, 引起可以有双引号字符与反斜杠(backslash)字符。
从语法上讲, 双引号串中的"\"与FWS/CFWS中的CRLF都是不可见的，因此它们不是双引号串的一部分。
3.2.5. 其他Tokens
定义三个token: word与phrase用于atoms和/或双引号串的组合, unstructured 用于
unstructured header字段, 以及structured header字段中的一些地方.
word = atom / quoted-string phrase = 1*word / obs-phrase unstructured = (*([FWS] VCHAR) *WSP) / obs-unstruct
3.3. Date与Time规范
date-time = [ day-of-week "," ] date time [CFWS] day-of-week = ([FWS] day-name) / obs-day-of-week day-name = "Mon" / "Tue" / "Wed" / "Thu" / "Fri" / "Sat" / "Sun" date = day month year ; 应当表示本地时间 day = ([FWS] 1*2DIGIT FWS) / obs-day ; 一个月的第几天 month = "Jan" / "Feb" / "Mar" / "Apr" / "May" / "Jun" / "Jul" / "Aug" / "Sep" / "Oct" / "Nov" / "Dec" year = (FWS 4*DIGIT FWS) / obs-year ; 四位数字 time = time-of-day zone time-of-day = hour ":" minute [ ":" second ] ; 应当表示本地时间, 一天中的时:分[:秒], ; 范围00:00:00 - 23:59:60 hour = 2DIGIT / obs-hour minute = 2DIGIT / obs-minute second = 2DIGIT / obs-second zone = (FWS ( "+" / "-" ) 4DIGIT) / obs-zone ; date与time-of-day偏离UTC或GMT的偏差 ; +表示ahead of（即east of）UTC, -表示behind(即west of) UTC ; 前两个数字表示hours偏差, 后两个数字表示minutes偏差 ; +hhmm表示 +(hh * 60 + mm) 分钟, -hhmm表示 -(hh * 60 + mm) 分钟 ; "+0000"用于表示UTC的时区 ; "-0000"用于表示本地时区生成的时间, date-time不包含本地时区的信息
3.4. Address规范
Addresses表示messages的接收与发送方.
一个address可以是单个邮箱，也可以是一组邮箱。
address = mailbox / group
mailbox = name-addr / addr-spec
name-addr = [display-name] angle-addr
angle-addr = [CFWS] "<" addr-spec ">" [CFWS] /
obs-angle-addr
group = display-name ":" [group-list] ";" [CFWS]
display-name = phrase
mailbox-list = (mailbox *("," mailbox)) / obs-mbox-list
address-list = (address *("," address)) / obs-addr-list
group-list = mailbox-list / CFWS / obs-group-list
一个mailbox通常由两部分组成：(1) 一个可选的display-name, (2) 用<>封装的addr-spec地址。
mailbox的一岁简化形式是只有addr-spec地址，没有接收方名称, 也没有<>。
3.4.1. Addr-Spec规范
addr-spec = local-part "@" domain local-part = dot-atom / quoted-string / obs-local-part domain = dot-atom / domain-literal / obs-domain domain-literal = [CFWS] "[" *([FWS] dtext) [FWS] "]" [CFWS] dtext = %d33-90 / ; 可打印US-ASCII字符, %d94-126 / ; 不包含 "[", "]", or "\" obs-dtext
3.5. Overall Message Syntax
message由header fields, 接下来是一个可选的message body.
message中的一行最大998个字符，推荐最大为78个字符, 这里都不包含CRLF.
在message body中, 虽然在text rule中列出的所有字符都可以用, 但不鼓励使用US-ASCII控制字符(值1到8, 11, 12, 14-31),
因为无法保证接收方如何来显示它们。
message = (fields / obs-fields) [CRLF body] body = (*(*998text CRLF) *998text) / obs-body text = %d1-9 / ; Characters excluding CR %d11 / ; and LF %d12 / %d14-127
其他略。。。
邮箱地址格式主要参见上面的3.4.1. Addr-Spec规范, 建议参照这里的规范来编写正则表达式，如果自己没有能力编写正则表达式则建议直接采用PHP、JAVA、C#、C++、C等语言中现成的库来判断。
参考资料：
[1-RFC5234] RFC 5234, Augmented BNF for Syntax Specifications: ABNF, Standards Track, January 2008, http://www.rfc-editor.org/rfc/rfc5234.txt
[2-RFC5322] RFC 5322, Internet Message Format, Standards Track, October 2008, http://www.rfc-editor.org/rfc/rfc5322.txt
邮箱格式的正则表达式与RFC 5322 Internet Message Format
标签：
原文地址：http://my.oschina.net/1pei/blog/484675
