Wesha 13 янв 2016 в 02:20

Я знал, как валидировать email-адрес. Пока не прочитал RFC

5 мин

136K

Веб-разработка*Регулярные выражения*

Перевод

+52

103

Комментарии 103

captain_obvious 13 янв 2016 в 02:34

Лучший способ проверить email на валидность — отправить туда письмо.

Mendel 13 янв 2016 в 02:55

Валидность с точки зрения стандарта? С точки зрения большинства сервисов (иначе если почта будет ходить между двумя-тремя серверами, и примут такую почту на полутора сайтах, то она не то чтобы валидна)? С точки зрения своего мейлера?
Лучший способ валидации для каждого сценария разный.
занудаOFF:
Но вообще я с вами согласен, что для практических целей лучше просто отправить письмо.
Если это допустимо. Часто валидация почты письмом ухудшает конверсию. А проверить при регистрации надо.
Лично я проверяю штатным фильтром пхп, после чего проверяю существование МХ у домена почты. И прочтение статьи меня ничуть не сподвигло проверять насколько строгий фильтр встроен в пхп. Все им пользуются, значит для практических целей это можно условно считать стандартом.

captain_obvious 13 янв 2016 в 03:22

Про сценарии различные согласен, разумеется.
Вообще интересны какие-нибудь исследования про долю ошибок в поле емейла, которые отсекаются чем-то сложнее проверкой наличия коммерческого at и точки, отделяющей TLD.

stavinsky 13 янв 2016 в 14:03

По стандарту mx записи может и не быть, тогда почтовый сервер пытается отправить на сервер полученный из A записи…

inkvizitor68sl 13 янв 2016 в 14:40

Это вы старым sendmail теперь расскажите =)

stavinsky 13 янв 2016 в 14:56

If no MX records are found, sendmail tries to deliver the message to the single original host.

O'Reilly's book 1997 год
Куда простите старше?)

inkvizitor68sl 13 янв 2016 в 15:07

В RFC это всегда было написано. А вот sendmail этого «не знал», года до 2005го.

stavinsky 13 янв 2016 в 15:21

книга по шлимылу как раз. А вот про rfc слукавил. Сейчас хотел найти и не нашел там такого.

ctapnep 14 апр 2016 в 23:40

И как я только пользовался почтой в 94-м на юникс-машинах для которых никто и никогда не стал-бы прописывать отдельные MX-ы?
Я вам больше скажу, есть подозрение, что само понятие MX-ов появилось заметно позже, чем sendmail начал передавать письма по А-записям. Но лень искать подтверждения.

Wesha 14 апр 2016 в 23:55

Ну дык, так оно и есть. Сначала отправляли сразу серверу-адресату, а потом наткнулись на ситуацию "адресат в оффлайне, и чо делать бум?", добавили MXы — "если меня нет, оставляйте письма для меня Максу, я вернусь — он мне передаст."

Mendel 13 янв 2016 в 16:30

На самом деле я обычно проверяю SOA, но решил в подробности не вдаваться именно потому, что по стандарту МХ, а использование А это воркэраунд.

denis_g 13 янв 2016 в 10:20

Yup.

sebres 13 янв 2016 в 19:17

Так-то да, но можно жеж проверить и предупредить пользователя о возможной опечатке… Ну т.е. просто warning-ом «Вы возможно очепятались...», без запрещения дальнейшего действа.

Накидал для примера на коленке, кому будет интересно — [github]/.../tcl-test-valid-mail/tcl/check valid email.tcl
(результат исполнения и лог внизу файла).

lockywolf 13 янв 2016 в 04:37

http://m.habrahabr.ru/post/175375/

sergei-grigorev 13 янв 2016 в 09:18

Большое количество сайтов, где регистрировался, не понимают символа + в адресе, и это меня прям крайне печалит. А ведь он разрешен и более того, крайне удобен. Например user+habr@mail будет приходить к пользователю user, но он сможет выставить фильтр для адресата user+habr, чтобы распределять папки, настраивать уведомления.

merlin-vrn 13 янв 2016 в 09:59

Более того, не всегда надо выставлять фильтр. В Cyrus IMAP, если у вас есть пользователь user@domain.com (его INBOX будет user.user@domain.com) и у него есть ящик user.user.sub@domain.com (дочердний sub в INBOX), и у ящика sub стоит ACL anyone p (кому угодно можно постить) или хотя бы p для lmtp-аккаунта, под которым MTA осуществляет доставку почты в Cyrus, то письмо на user+sub@domain.com сразу попадёт в дочерний ящик, без каких-либо дополнительных правил. Если ящик глубже (user.user.sub.another@domain.com), то писать надо на user+sub.another@domain.com. А если создать «ничейный» общий ящик common@domain.com и дать ему ACL anyone p, то можно написать на +common@domain.com и письмо попадёт в этот ящик.

Раузмеется, если MTA настроен на обработку подобных случаев. Postfix умеет: у него есть отдельный конфигурационный параметр «разделитель», который по умолчанию (или рекомендуется, я не помню точно) имеет значение "+", и если это включено, то при проверке существования локального адреса user+sub@domain.com он будет делать запросы и для user@domain.com.

Visphord 13 янв 2016 в 10:00

Для себя настроил на своем домене сборку почты для всех неизвестных адресов в ящик spam@domain.ru и радостно регистрируюсь на всех сайтах с почтой вида habr@domain.ru, mailru@domain.ru, etc :)
Такую фичу имеют многие почтовые сервера, но в этом случае конечно нужно иметь свой домен.

Pilat 13 янв 2016 в 10:51

Это оказывается очень неудобно, если Вы захотите перенести свою почту на какой-нибудь gmail.

mobilesfinks 13 янв 2016 в 12:23

Ну и переносите. У gmail так же можно подключить свой домен. В чём проблема? А можно почту на gmail сделать и сборщики настроить. Не ищите проблемы там где её нет.
Вообще я сначала на gmail почту поднял для организации, а потом оттуда переехал на яндекс. Ноу проблем. Проблема была только в размере архива писем (>50 гигов, а может и больше, уже точно не помню, даты писем с 2002 года и несколько писем ещё старше были)

mOlind 14 янв 2016 в 11:36

В ПдД от Яндекса так же можно настроить ящик по умолчанию и в него будут сыпаться все письма, которые не нашли явного получателя.

metis 22 янв 2016 в 09:42

Меня как-то опечалило, что много сайтов не принимают казалось бы валидный символ минуса/тире если его ставить дважды (user--name@domain.com).

MarSoft 3 окт 2019 в 22:10

Не связано ли это с тем, что в некоторых вариантах SQL двойной дефис обозначает начало комментария? Соответственно, могут его запрещать просто на всякий случай, для защиты от инъекций.

Wesha 3 окт 2019 в 22:29

в некоторых вариантах SQL двойной дефис обозначает начало комментария?

Ну и пусть себе обозначает. Использовать экранирование опасных последовательностей вместо тупого

exec_sql_query("select * from some_table where some_field ='" + $REQUEST['value_key'] + "'")

разработчикам религия запрещает?

MarSoft 3 окт 2019 в 22:49

Так-то оно так, но попадалась где-то коммерческое программное решение — что-то вроде обратного прокси, кажется — которое пыталось отлавливать "потенциально опасные" в плане инъекций запросы и банило их. Типа "да, ваш бэкенд писали криворукие стажёры, но если вы купите наш продукт, то мы вас спасём от Sql-инъекций, которых у вас наверняка куча".

bolk 13 янв 2016 в 09:39

Уже много было написано статей по этому поводу и лучшая из них была из одной строки: адрес почты проверять не надо.

НЛО прилетело и опубликовало эту надпись здесь

Albertum 13 янв 2016 в 09:44

Про валидацию email очень подробно описано описано в книге «Регулярные выражения» Джеффри Фридла www.ozon.ru/context/detail/id/4066500
В качестве приложения приводится выражение, которое проверяет соответствие email RFC, это выражение занимает несколько страниц :)

medvoodoo 13 янв 2016 в 09:54

Не знаю, как у вас, а у нас это не одно регулярное выражение, а много, т.к. у нас емейл активно используется в тех же рассылках, и периодически идут жалобы от людей, которые ввели и @ya.ru и yandex.ru или гмейл пяти видов с точками. Если у вас 1.5 землекопа на сайте, то имеет смысл использовать регулярки согласно rfc, а если сотни тысяч людей, при том многие ждут от вас писем, то вы потонете в bounce и жалобах от невнимательных пользователей.

merlin-vrn 13 янв 2016 в 10:02

Всё жду, когда кто-нибудь напишет такую же статью, но с учётом национальных TLD.

Хороший был бы емейл вася@пупкин.рф. Упс, а что делать с кодировкой локальной части?

НЛО прилетело и опубликовало эту надпись здесь

merlin-vrn 13 янв 2016 в 11:42

Домены — да. Я говорю про локальную часть адреса («вася» в данном случае). Она не кодируется никаким punycode, и правила обработки определяются исключительно сервером получателя (см. текст статьи).

sledopit 13 янв 2016 в 12:09

В локальной части нельзя использовать кириллицу. Только латиница. Поэтому вася@мыло.рф работать сейчас не будет.
Подробности можете в вики посмотреть.

merlin-vrn 13 янв 2016 в 12:18

Прямо по вашей же ссылке:

In addition to the above ASCII characters, international characters above U+007F, encoded as UTF-8, are permitted by RFC 6531

Может это мне приснилось, но раньше (до RFC 6531) не было требования UTF-8. Просто не было. Было можно что угодно, за небольшим исключением, и всё. А как это понимать, решает получатель.

sledopit 13 янв 2016 в 12:40

А, да. Действительно. Всё уже поменялось с тех пор, как я туда заглядывал в последний раз.
Спасибо за подсказку.

Wesha 13 янв 2016 в 18:31

↑↑↑↑↑↑↑↑
И вот здесь, уважаемые коллеги, мы собственными глазами наблюдаем очередное подтверждние тезиса автора статьи о том, что ~~чукчи~~ программисты — не читатели.

Dreyk 14 янв 2016 в 14:10

не совсем так. программисту ставят задачу -> он прочел RFC -> заимплеменил -> RFC поменяли -> программист не в курсе

merlin-vrn 15 янв 2016 в 08:33

Ой расскажите это Rit Labs. Наверное, ни один почтовый RFC ни в одной редакции не заимплементили правильно в The Bat.

Вот уж точно не читатели.

Visphord 13 янв 2016 в 10:05

P.S. Если автор использует .NET то зачем регулярные выражения? Почему бы не использовать встроенные средства для валидации? К примеру вот.

Einherjar 13 янв 2016 в 11:05

там кстати внутри этого атрибута регулярное выражение интересное очень. то что в статье по сравнению с этим выглядит как то бледновато:

^((([a-z]|\d|[!#\$%&'\*\+\-\/=\?\^_`{\|}~]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])+(\.([a-z]|\d|[!#\$%&'\*\+\-\/=\?\^_`{\|}~]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])+)*)|((\x22)((((\x20|\x09)*(\x0d\x0a))?(\x20|\x09)+)?(([\x01-\x08\x0b\x0c\x0e-\x1f\x7f]|\x21|[\x23-\x5b]|[\x5d-\x7e]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])|(\\([\x01-\x09\x0b\x0c\x0d-\x7f]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF]))))*(((\x20|\x09)*(\x0d\x0a))?(\x20|\x09)+)?(\x22)))@((([a-z]|\d|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])|(([a-z]|\d|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])([a-z]|\d|-|\.|_|~|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])*([a-z]|\d|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])))\.)+(([a-z]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])|(([a-z]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])([a-z]|\d|-|\.|_|~|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])*([a-z]|[\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF])))\.?$

evocatus 13 янв 2016 в 10:22

Какое там!
У меня в адресе на GMail есть точка. Когда я её регистрировал там в качестве примера имени ящика был ящик вида name.surname@gmail.com.

Знаете, кто меня не пустил регистрироваться с таким адресом? Foursquare! Пришлось пользоваться тем фактом, что точка в имени e-mail игнорируется и писать тот же адрес без точки.

merlin-vrn 13 янв 2016 в 11:44

Игнорирутся Gmail-ом. А другими, вообще говоря, не игнорируется. Я тут выше упоминал Cyrus IMAP, там в именах ящиков точка — недопустимый символ (в конфигурации по умолчанию).

CptAFK 8 мая в 12:04

У меня Яндекс с точкой, интересно что кроме точки я могу использовать дефис. Итого в Яндексе количество почтовых адресов увеличилось вдвое.

Melkij 13 янв 2016 в 11:02

Я знаю: в адресе должен быть хотя бы один символ @ и хотя бы по одному байту до и после.

через которое они все прошли бы. Вот оно.

Коротенькое уж больно. Читайте RFC дальше. filter_var из PHP в исходнике регулярку за килобайт размером имеет.
github.com/php/php-src/blob/PHP-7.0.2/ext/filter/logical_filters.c#L575
Кстати, в комментариях в коду есть ответ на популярный вопрос «какого размера делать поле в БД»: 320 байт. согласно RFC 2821.

НЛО прилетело и опубликовало эту надпись здесь

Melkij 13 янв 2016 в 12:07

О как, спасибо. Да, я не нашёл времени прочитать все rfc посвящённые почте, только некоторые =)
tools.ietf.org/html/rfc5321#section-4.5.3

The maximum total length of a user name or other local-part is 64 octets.
The maximum total length of a domain name or number is 255 octets.

Вот они, исходные 320 байт

Но сверху ограничивает RFC 2821, который принимает только 254 октета.

kyrie 13 янв 2016 в 15:45

В таком случае вы, уверен, будете меня рады видеть на своем проекте с е-мейл адресом — @@@

Или, как вариант, с —

<lets make some SQL inj magic>@<lets make some SQL inj magic>

Melkij 13 янв 2016 в 16:07

Конечно буду рад! Вы ведь сможете подтвердить адрес?

outcoldman 13 янв 2016 в 18:24

На сколько мне известно, в interanet вы можете настроить email и без домена. Отправлять тупо по имени.

Wesha 13 янв 2016 в 18:34

Вы хотели сказать, в рамках одного хоста.

outcoldman 13 янв 2016 в 18:39

Не изменяет моего предложения. Я же не говорю как, говорю, что " в intranet можете настроить". С использованием default host/domain на mail server.

Wesha 13 янв 2016 в 19:17

В Вашем предложении использован несуществующий термин «interanet», поэтому я уточнил.

outcoldman 13 янв 2016 в 19:30

Опечатка, да.

RolexStrider 13 янв 2016 в 11:02

RFC822? Регуляркой?

Есть такая

(?:(?:\r\n)?[ \t])*(?:(?:(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t]
)+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:
\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(
?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ 
\t]))*"(?:(?:\r\n)?[ \t])*))*@(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\0
31]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\
](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+
(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:
(?:\r\n)?[ \t])*))*|(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z
|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)
?[ \t])*)*\<(?:(?:\r\n)?[ \t])*(?:@(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\
r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[
 \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)
?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t]
)*))*(?:,@(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[
 \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*
)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t]
)+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*)
*:(?:(?:\r\n)?[ \t])*)?(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+
|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r
\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:
\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t
]))*"(?:(?:\r\n)?[ \t])*))*@(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031
]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](
?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?
:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?
:\r\n)?[ \t])*))*\>(?:(?:\r\n)?[ \t])*)|(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?
:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?
[ \t]))*"(?:(?:\r\n)?[ \t])*)*:(?:(?:\r\n)?[ \t])*(?:(?:(?:[^()<>@,;:\\".\[\] 
\000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|
\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>
@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"
(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*))*@(?:(?:\r\n)?[ \t]
)*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\
".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?
:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[
\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*|(?:[^()<>@,;:\\".\[\] \000-
\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(
?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*)*\<(?:(?:\r\n)?[ \t])*(?:@(?:[^()<>@,;
:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([
^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\"
.\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\
]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*(?:,@(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\
[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\
r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] 
\000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]
|\\.)*\](?:(?:\r\n)?[ \t])*))*)*:(?:(?:\r\n)?[ \t])*)?(?:[^()<>@,;:\\".\[\] \0
00-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\
.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,
;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|"(?
:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*))*@(?:(?:\r\n)?[ \t])*
(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".
\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t])*(?:[
^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\]
]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*\>(?:(?:\r\n)?[ \t])*)(?:,\s*(
?:(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\
".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*)(?:\.(?:(
?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[
\["()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t
])*))*@(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t
])+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?
:\.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|
\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*|(?:
[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".\[\
]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*)*\<(?:(?:\r\n)
?[ \t])*(?:@(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["
()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)
?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>
@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*(?:,@(?:(?:\r\n)?[
 \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,
;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\.(?:(?:\r\n)?[ \t]
)*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\
".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*)*:(?:(?:\r\n)?[ \t])*)?
(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\["()<>@,;:\\".
\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])*)(?:\.(?:(?:
\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z|(?=[\[
"()<>@,;:\\".\[\]]))|"(?:[^\"\r\\]|\\.|(?:(?:\r\n)?[ \t]))*"(?:(?:\r\n)?[ \t])
*))*@(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])
+|\Z|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*)(?:\
.(?:(?:\r\n)?[ \t])*(?:[^()<>@,;:\\".\[\] \000-\031]+(?:(?:(?:\r\n)?[ \t])+|\Z
|(?=[\["()<>@,;:\\".\[\]]))|\[([^\[\]\r\\]|\\.)*\](?:(?:\r\n)?[ \t])*))*\>(?:(
?:\r\n)?[ \t])*))*)?;\s*)

(взято здесь)

Fedorkov 13 янв 2016 в 15:21

Странно, что ни автор статьи, ни предыдущие комментаторы не стали гуглить готовые решения. Двухстрочечный регексп автора вызывает улыбку.

НЛО прилетело и опубликовало эту надпись здесь

merlin-vrn 13 янв 2016 в 11:48

… и мы сразу получаем кучу сайтов, которые не позволяют ввести валидные email?

НЛО прилетело и опубликовало эту надпись здесь

k12th 13 янв 2016 в 11:51

Где-то читал небезынтересную статью на тему этой проверки. Автор приходил к выводу, что проверить регуляркой на полное соответствие c RFC невозможно, и надо проверять конечным автоматом. Проверка конечным автоматом дает еще такой бонус, что можно пользователю выводить осмысленные ошибки.

Конечно, если речь о лендингах и конверсии, такие заморочки не нужны. Но ведь есть места, где нужна защита от дурака.

merlin-vrn 13 янв 2016 в 11:54

А что, в принципе можно доказать теорему, что граматика адреса — сложнее, чем регулярная, определить место в иерархии (по Хомскому) и успокоиться с проверкой емейлов регулярками :)

sekrasoft 16 янв 2016 в 15:50

Нет, успокоиться не удастся.

Конкретные реализации регулярных выражений охватывают больше, чем регулярные грамматики,
На практике можно не рассматривать регулярку как самодостаточный парсер,
Можно построить такое приближение грамматики, которое будет корректно работать в 99.9% случаев, скажем, реализовать вложенность скобок до какого-то уровня N

А вообще, раз есть ограничение на длину адреса, то количество возможных значений конечно, а значит это просто набор константных строк, которые записываются очень длинной регуляркой вида a@a|a@b|a@c|… :)

Aleksandr-JS-Developer 2 авг 2021 в 19:44

А вообще, раз есть ограничение на длину адреса, то количество возможных значений конечно, а значит это просто набор константных строк, которые записываются очень длинной регуляркой вида a@a|a@b|a@c|… :)

Очень очень очень длинной регуляркой...
Подключать терабайты кода для проверки регулярки... Тогда уже пилить отдельный сервис с этим терабайтом специально под проверки адресов..

SirEdvin 13 янв 2016 в 23:49

Мне всегда казалось, что регулярные грамматики по мощности одинаковы с конечными автоматами.

Я не прав?

k12th 14 янв 2016 в 00:09

Я в этом плаваю. Но вот HTML регулярками распарсить невозможно, а конечными автоматами — да.

SirEdvin 14 янв 2016 в 00:47

Возможно, это потому что регулярные грамматики мощнее, чем регулярные выражения. Но я тут тоже не уверен.

khim 14 янв 2016 в 01:36

Вообще-то регулярные грамматики в точности совпадают и с автоматами и с регулярными выражениями. И всё это вместе взятое так и не сможет сказать — у вас в последовательности из всего-навсего двух символов «(» и «)» баланс скобок соблюдён или нет. Какой тут, к бесу, разбор HTMLя или e-mail адресов?

SirEdvin 14 янв 2016 в 01:54

Буду знать.

Не вижу проблем с проверкой на e-mail адрес. Зачем там, например, контекстно-сводобная грамматика?

khim 14 янв 2016 в 02:19

Вы не поверите :-) Комментарии. В скобочках. В которых, вы не поверите, могут быть комментарии. В скобочках. Дальше — смотри про разбор баланса скобок с помощью регулярок.

khim 14 янв 2016 в 01:32

На распарсите вы HTML ни регулярками, ни конечными автоматами. Теорема Клини, однако. Памяти нет. Проверьте хотя бы скобочный баланс регуляркой или конечным автоматом — а я над вами посмеюсь.

k12th 14 янв 2016 в 10:17

Очень может быть. Тем не менее, браузеры как-то парсят HTML. Как они это делают?

НЛО прилетело и опубликовало эту надпись здесь

k12th 14 янв 2016 в 11:15

Там написано «state machine».

khim 14 янв 2016 в 16:28

Конечный автомат плюс бесконечная лента — это «машина Тьюринга», вообще-то. При желании ленту можно заменить счётчиками (минимум двумя, если ничего не путаю). Главное — в системе должно быть что-то потенциально бесконечное. Без этого — никак.

Zenitchik 14 янв 2016 в 17:33

А если оно не потенциально бесконечное — то это линейно-ограниченный автомат. Тоже образует подкласс языков.

Zenitchik 14 янв 2016 в 14:54

Это только токенизация. Разумеется, токенизация доступна коенчному автомату.

Zenitchik 14 янв 2016 в 14:55

HTML парсится на МП-автомате.

khim 14 янв 2016 в 16:30

HTML парсится массой разных вещей. Но все эти вещи имеют имеют обну общую особенность: они все могут эмулировать машину Тьюринга, а значит могут реализовать все алгоритмы без исключения. МП-автомат — да, годится.

Zenitchik 14 янв 2016 в 17:31

Не обязательно. МП-автомат не может эмулировать машину Тьюринга, он образует свой подкласс языков (и почти все практически интересные языки в него входят).

khim 14 янв 2016 в 18:50

Oops. Да, простите, перепутал. Да, МП-автоматы «не умеют» машину Тьюринга. Редкий случай чего-то практически полезного между «конечными автоматами» и машиной Тьюринга…

Zenitchik 14 янв 2016 в 19:25

В смысле «редкий»? На практике есть КА, МПА и различная экзотика. А над всем этим стоит машина Тьюринга, которая, вообще говоря, тоже экзотика, но важная в теоретическом отношении.

khim 14 янв 2016 в 20:34

С смысле «практически редкий». Как правило всякие примочки (типа языка BPF) стартуют с чего-то, что может обработать конечный автомат, потом их делают «немного мощнее», потом ещё, и почти всегда когда происходит выход за пределы конечных автоматов выясняется что у нас в руках — уже нечто полное по Тьюрингу (с «проблемой остановки» и прочими прелестями).

Игра Жизнь полна по Тьюрингу, к примеру :-) Что как бы сходу ни разу не очевидно…

Zenitchik 14 янв 2016 в 22:17

Как правило, язык токенизируется КА, а затем разбирается в структуру МПА. Крайне редко встречается такой язык, который невозможно было транслировать МПА. А учитывая, что МПА относительно легко разрабатывать — это очень популярный класс трансляторов, внутри которого есть уже много подклассов, отличающихся логикой работы со стеком.

sekrasoft 16 янв 2016 в 15:34

Проверьте хотя бы скобочный баланс регуляркой или конечным автоматом — а я над вами посмеюсь.

(([^()]|$(?1)$)*)

Смейтесь на здоровье. С PCRE нам даже КС не страшны:

boost::regex re("(?(DEFINE)"
  "(?<symbol>[^()])"
  "(?<expr>((?&symbol)|\\((?&expr)\\))*)"
")"
"^(?&expr)$");

khim 16 янв 2016 в 22:28

Хотел упомянуть про то, кто perlовые регулярные выражения регулярными выражениями, строго говоря, не являются, но потом решил, что тот, кто про это знает понимает так же, о чём я.

А так-то да: PCRE'шные регулярные выражаения это, конечно, умеют, потому что у них есть память (хотя и ограниченное количество памяти, но для скобочек этого хватает, да).

Zenitchik 14 янв 2016 в 14:56

Регулярки мощнее. Вот если не использовать запоминание подстрок и заглядывание вперёд — тогда полностью эквивалентны.

unStaiL 13 янв 2016 в 12:13

Хорошо. Ну есть такая спецификация. Но вот регистрируюсь я в GMail или подобных системах. Они ведь не пропускают даже нижнее подчеркивание. Либо случай с habrahabr.ru/post/274985/#comment_8736743
Почему так происходит. Или что будет если я на своем домене таки сделаю нетипичный адрес и начну жаловаться на сервисы которые его не пропускают?

Lopar 13 янв 2016 в 12:37

У гмыла есть интересный нюанс:

johndoe@gmail.com
john.doe@gmail.com
j.O.h.N.d.O.e@gmail.com
johndoe+sometext@gmail.com

Это всё ещё один ящик. Я часто пользовался комбинацией email+sometext@gmail.com чтобы регистрироваться на разных сервисах, с разными техническими именами ящиков, чтобы потом собирать всю почту в один и рулить фильтрами не по имени отправителя, а по ящику получателя, что ощутимо проще.

Но пару раз столкнулся с тем, что на некоторых сайтах email+sometext зарегистрировать можно, а вот при обращении к нему приходил или invalid email, или полный крах. Пришлось отказаться.

merlin-vrn 15 янв 2016 в 09:14

Не дают зарегистрировать такое имя или не дают проходить почте с такими адресами? Это очень разные вещи.

Error_403_Forbidden 13 янв 2016 в 12:52

Регулярка у автора смешная получилась, слишком маленькая. Ещё работать и работать над ней! :)

vsespb 13 янв 2016 в 13:34

Думаю, я создам email-адрес типа phil.h\@\@ck@haacked.com и начну жаловаться в техподдержку на сайтах, которые требуют ввода email-адреса, но не позволяют мне создать учётную запись с этим адресом. Люблю шалить!

был у меня адрес всецифры@домен — где-то не проходил проверку. жаловался. в ответ игнор. сомневаюсь что шалить будет весело.

Wesha 13 янв 2016 в 18:37

У меня было веселее — с год назад в одном магазине не принимали емейл вида vasya@pupkin.name — считали, что TLD не может быть длиннее 3 символов.

(edit: не заметил: следующим комментом ↓ ↓ ↓ коллега аналогичный случай уже отметил )

outcoldman 13 янв 2016 в 18:25

У меня главный email на домене .email. Встречаюсь достаточно часто с сайтами, которые его не понимают. Видимо ожидают 2 или 3 символа.

Dreyk 14 янв 2016 в 14:13

а их антиподы видимо ожидают до точки больше символов и ругаются на домен i.ua =)

TheShock 24 мар 2018 в 05:59

Я уж молчу о 5.ua
Многие не знают, что такие адреса используются

prishelec 13 янв 2016 в 20:04

В свое время взял на заметку с некоего движка: ^([a-z0-9]([\-\_\.]*[a-z0-9])*)+@([a-z0-9]([\-]*[a-z0-9])*\.)+[a-z]{2,6}$
Пока не подводил ). Но, не смею претендовать на его незаменимость.

ekungurov 28 янв 2016 в 19:55

Я просто оставлю это здесь…
fightingforalostcause.net/content/misc/2006/compare-email-regex.php

shoorick 15 дек 2017 в 01:27

user@тест.рф = user@xn--e1aybc.xn--p1ai не пройдёт.

veitmen 19 янв 2016 в 11:14

Нужно больше символов.

Ununtrium 19 янв 2016 в 13:16

Прочитал RFC — расскажи всем. Впрочем, по тому как пипл хавает, очевидно что читали его немногие.
Вдобавок, текст удобрен знатным количеством петросянства, что не способствует восприятию.

Renius 19 янв 2016 в 14:28

it { is_expected.to allow_value("customer\/department=shipping@example.com").for(:email) }
it { is_expected.to allow_value("!def!xyz%abc@example.com").for(:email) }
it { is_expected.to allow_value("_somename@example.com").for(:email) }

Тесты прошли
Мой валидатор, давно устаревший правда: http://habrahabr.ru/post/175399/
С остальными продолжаю возиться, спасибо за челлендж!

НЛО прилетело и опубликовало эту надпись здесь

StjarnornasFred 28 мая в 09:13

Адрес электронной почты имеет вид

[часть1]@[часть2].[часть3]

Из этого (исключим всякую экзотику типа кириллических доменов):

[часть1] - произвольный текст, состоящий из латинских букв, цифр, точек, дефисов и поддефисов, начинающийся и заканчивающийся на букву или цифру.

[часть2] - произвольный текст, состоящий из латинских букв, цифр, точек и дефисов, содержащий не более одной точки подряд, начинающийся и заканчивающийся на букву или цифру.
[часть3] - домен, который просто проверяется по списку.

Wesha 28 мая в 09:53

Осталось только всего ничего: узаконить это Ваше видение. Потому что в стандарте не так. О чём, собственно, и статья.

Aetae 28 мая в 18:10

А почему бы почте не быть на верхнем домене? Корпы сейчас вполне могут купить себе такой если захотят, например vasya@yandex - вполне себе валидно.

Национальные домены тоже существуют, вася@я.рф - тоже валидно(хотя это больше на совести софта, которые его под капотом закодируют-раскодируют).

В общем валидация почты проста: должен быть символ @ между любых иных, всё остальное не имеет значения.:)

Зарегистрируйтесь на Хабре, чтобы оставить комментарий

Я знал, как валидировать email-адрес. Пока не прочитал RFC

Комментарии 103

Публикации

Истории