面试题：Python 正则表达式验证电子邮件在复杂场景下的优化

Question

假设存在这样一种复杂场景，需要验证的电子邮件地址来自不同的地区，可能包含一些特殊字符（但仍符合 RFC 标准），同时邮箱提供商有自定义的一些规则（例如特定子域名格式等）。请你设计一个 Python 函数，利用正则表达式对这些复杂的电子邮件地址进行验证和优化。阐述你设计的整体思路，包括如何处理特殊字符、自定义规则，以及正则表达式优化技巧，并给出核心代码片段。

Answer 1

整体思路

1. 处理特殊字符：RFC 标准规定了电子邮件地址的合法字符集。使用正则表达式匹配时，要确保涵盖所有合法的特殊字符，例如点号（.）、下划线（_）、连字符（-）等在用户名部分，以及特殊字符在域名部分（但要遵循特定规则）。
2. 自定义规则：对于邮箱提供商自定义的规则，如特定子域名格式。可以在匹配域名部分时，针对不同邮箱提供商的规则添加额外的匹配条件。例如，若某邮箱提供商要求子域名必须是三位字母，就在正则表达式中对应位置添加此规则。
3. 正则表达式优化技巧：
   • 减少回溯：尽量使用非贪婪模式（?），避免不必要的重复匹配尝试。
   • 预编译正则表达式：使用 re.compile() 方法预编译正则表达式，提高匹配效率。

核心代码片段

import re


def validate_email(email):
    # 预编译正则表达式
    regex = re.compile(r"""
        ^([a-zA-Z0-9_.+-]+)  # 用户名部分，允许字母、数字、点号、下划线、加号、减号
        @
        ((?:[a-zA-Z0-9-]+\.)+[a-zA-Z]{2,})  # 域名部分，允许字母、数字、减号，顶级域名至少两位字母
    """, re.VERBOSE)
    if regex.fullmatch(email):
        return True
    return False