萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 正則提取網頁郵箱地址:從基礎匹配到去重驗證的完整實踐

從網頁抓取 Email 地址是數據採集、線索挖掘、安全審計的常見需求。本文提供兩個遞進版本的 PHP 實現:基礎正則提取與帶去重驗證的增強版,並討論合規性邊界。

版本一:基礎提取

function getEmail($html) {
    // 簡單通用模式:用戶名@域名
    $pattern = '/([a-z0-9_.-]+@[a-z0-9.-]+\.[a-z]{2,})/i';
    preg_match_all($pattern, $html, $matches);
    return array_unique($matches[0]); // 去重
}

$url = 'https://example.com';
$html = file_get_contents($url);
print_r(getEmail($html));

版本二:增強驗證與過濾

function extractEmails($html, $options = []) {
    $defaults = [
        'strict' => true,           // RFC 5322 嚴格模式
        'dedupe' => true,           // 去重
        'filter_disposable' => false, // 過濾一次性郵箱
        'max_results' => 1000,
    ];
    $opt = array_merge($defaults, $options);

    // RFC 5322 簡化版(生產建議用 egulias/EmailValidator 庫)
    $pattern = $opt['strict']
        ? '/[a-z0-9!#$%&\'*+\/=?^_`{|}~-]+(?:\.[a-z0-9!#$%&\'*+\/=?^_`{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?/i'
        : '/[a-z0-9_.-]+@[a-z0-9.-]+\.[a-z]{2,}/i';

    preg_match_all($pattern, $html, $matches);
    $emails = $matches[0];

    if ($opt['dedupe']) $emails = array_unique($emails);
    if ($opt['filter_disposable']) {
        $disposable = ['tempmail.com','10minutemail.com','guerrillamail.com']; // 擴展名單
        $emails = array_filter($emails, fn($e) => !in_array(strtolower(substr(strrchr($e, '@'), 1)), $disposable));
    }
    return array_slice(array_values($emails), 0, $opt['max_results']);
}

合規與道德邊界

  1. robots.txt:抓取前檢查目標站點 robots.txt 並遵守 Crawl-delay、Disallow。
  2. 頻率控制:限制請求頻率(如 1 req/s),避免對目標服務器造成壓力。
  3. 數據用途:僅用於合法業務(如用戶主動提交的頁面分析、授權合作夥伴名單整理),嚴禁用於垃圾郵件發送、未經同意的商業推廣、出售數據庫,違反《中華人民共和國網絡安全法》、GDPR、CAN-SPAM Act 等法規。
  4. 數據最小化:僅存儲必要字段,定期清理無效數據。

生產級建議

  • 使用 Goutte / Symfony Panther / spatie/crawler 等成熟爬蟲框架,自動處理重定向、Cookie、JS 渲染、並發控制。
  • 引入 egulias/email-validator 做 RFC 級驗證,支援 DNS MX 記錄檢查(可選)。
  • 異步隊列(Redis + Worker)處理大規模抓取任務,配合去重布隆過濾器。

技術本身中性,關鍵在於使用場景與合規意識。請在法律允許、道德可接受的前提下負責任地應用。

copyright © 萬盛學電腦網 all rights reserved