regex - 简化正则表达式以减少递归

Question

我目前有一个这样的正则表达式：

/^From: ((?!\n\n).)*\nSubject:.+/msu

匹配一个看起来像这样的块：

From: John Smith
Cc: Jane Smith
Subject: cat videos

（即它们在一个连续的块中）但如果有一个空白行打破了块，则不是，如下所示：

From: John Smith

Subject: cat videos

但我一直发现使用它的 PHP 脚本有时会出现段错误。我可以通过将 pcre.recursion_limit 设置为较低的数字（我使用 8000）来减轻段错误，但我突然想到，我正在尝试做的事情应该可以在没有大量递归的情况下实现。我是否使用了一种非常低效的方法来捕捉\n\n？

Answer 1

这只是单个正则表达式的可怕用途。除了您遇到的性能问题之外，它还会在简单的问题上失败，例如“主题：”行出现在“发件人：”之前的消息。如果您想解析一个 RFC822 电子邮件标头，那么您真的应该解析它。

找到标题的空行终止符。将以空格开头的行连接到前一行（即用空格替换 newline-followed-by-whitespace）。在第一个冒号处拆分每一行，并从每一侧剪掉前导和尾随空格。

或者找一个合适的图书馆为你做这件事。

Answer 2

您不应该使用正则表达式来可靠地解析邮件消息。最好使用PHP Mime 邮件解析器来完成此任务。使用Mime Mail Parser code将非常简单：

require_once('MimeMailParser.class.php');

$path = 'path/to/mail.txt';

$Parser = new MimeMailParser();
$Parser->setPath($path);

$to       = $Parser->getHeader('to');
$from     = $Parser->getHeader('from');
$subject  = $Parser->getHeader('subject');
$textBody = $Parser->getMessageBody('text');
$htmlBody = $Parser->getMessageBody('html');

Answer 3

我会简单地使用“不是换行符”：

/^From:[^\n]*\nSubject:.+/msu