preg_match проверка адресов электронной почты не на английском языке (международные доменные имена)

Учтите: каждый раз, когда вы создаете собственное новое регулярное выражение без проверки адресов в соответствии с полной спецификацией RFC, вы только ухудшаете ситуацию с использованием «экзотических» адресов электронной почты в Интернете. Вы изобретаете какой-то новый специальный подмножество или надстройку официальной спецификации RFC; это означает, что у вас будут либо ложные срабатывания, либо ложные отрицания, либо и то, и другое, вы будете запрещать людям использовать их фактические адреса, потому что ваше регулярное выражение не учитывает их правильно, или вы будете принимать адреса, которые на самом деле недействительны.

Добавьте к этому, что даже если адрес синтаксически действителен, это все равно не означает, что а) адрес действительно (все еще) существует, б) принадлежит этому пользователю или в) действительно может получать электронную почту. В схеме грантов проверка синтаксиса является чрезвычайно незначительной проблемой.

Если вы вообще собираетесь проверять синтаксис, либо выполните очень грубую общую проверку, которая наверняка не отклонит действительные адреса (например, /.+@.+/), или проверьте в соответствии с ко всем правилам RFC; не делайте какую-то промежуточную неполную строгую, но не совсем проверку, которую вы только что придумали.

Я останусь с проверенным и верным предложением отправить им электронное письмо с подтверждением. Нет необходимости в причудливых регулярных выражениях, которые нужно будет обновлять снова и снова. Просто предположите, что они знают свой адрес электронной почты, и позвольте им ввести его.

Я всегда так делал, когда возникала такая ситуация. Во всяком случае, я бы заставил их ввести свой адрес электронной почты дважды. Это освободит вас, чтобы тратить больше времени на важные части вашего сайта/проекта.

Вот что я в итоге придумал.

preg_match(/^[\pL\pM*+\pN._%+-]+@[\pL\pM*+\pN.-]+\.[\pL\pM*+]{2,20}\z/u)

При этом используются регулярные выражения Unicode, такие как \pL, \pM*+ и \pN, чтобы помочь мне работать с символами и числами любого языка.

\pL Любая буква любого языка, в верхнем или нижнем регистре.

\pM*+ Соответствует нулю или более кодовым точкам, которые объединяют метки. Символ, предназначенный для сочетания с другим символом (например, акценты, умлауты, закрывающие прямоугольники и т. д.).

\pN Любое число.

Приведенное выше выражение отлично работает для обычных адресов электронной почты, таких как [email protected], и какофонических адресов электронной почты, таких как a.s中3_yÄhমহাজোটেরoo文%网+d-fελληνικά@πyÄhooαράδειγμα.δοκιμή.

Это не значит, что я не доверяю людям, которые могут вводить свои собственные адреса электронной почты, но люди делают ошибки, и я могу использовать этот код в других ситуациях. Например: мне нужно дважды проверить целостность существующего списка из 10 000 адресов электронной почты. Кроме того, меня всегда учили НЕ доверять пользовательскому вводу и ВСЕГДА фильтровать.

ОБНОВЛЕНИЕ

Я только что обнаружил, что это прекрасно работает при тестировании на таких сайтах, как phpliveregex.com, и локально при анализе обычной строки для utf-8, он не работает должным образом с полями электронной почты, потому что браузеры преобразуют поля этого типа контента в обычную латиницу. Таким образом, адреса электронной почты типа bob@china.中國 или bob@russia.рф перед получением сервером конвертируются в [email protected] или [email protected]. Единственное, чего мне действительно не хватало в моем исходном фильтре, так это включения дефисов из расширения домена.

Вот окончательная версия:

preg_match('/^[a-z0-9%+-._]+@[a-z0-9-.]+\.[a-z0-9-]{2,20}\z/i');