RFC 3696 : la regex impossible pour la validation d'email ?

Bonjour,

Tout d'abord, voici ce que j'ai trouvé sur le forum (ça date un peu mais j'ai le même problème pratiquement au mot près) :
https://www.developpez.net/forums/d561587/general-developpement/algorithme-mathematiques/general-algorithmique/validite-d-mail/

Ma question est simple : quel est le meilleur moyen (pythonnique) pour parser un champ to (ou cc, cci) qui contient plusieurs adresse email valides au sens de la RFC 3696 ?

Rappel de la RFC en question :
https://tools.ietf.org/html/rfc3696

La question est moins simple qu'il n'y paraît : des adresses peuvent être valident malgré leur peu d'usage "courant" sur le web... Exemples :

• Abc\@def@example.com
• Fred\ Bloggs@example.com
• Joe.\\Blow@example.com
• "Abc@def"@example.com
• "Fred Bloggs"@example.com
• (etc)

... Tous ses exemples sont bel et bien valides ! Avant qu'on me dise qu'une regEx est adaptée d'accord, mais je veux bien la comprendre avant de l'utiliser... celle proposée dans le post cité plus haut (cf utilisée par la RFC 5322) est imbitique voire limitée vis-à-vis de ce qui est possible :
http://www.regular-expressions.info/email.html

Et c'est fastidieux parce que les courriels sont séparés par des virgules dans les headers d'email avec, parfois !, des "<>" pour séparer du nom d'usage "humain". Résultat je patine gentillement dans la semoule à trouver un truc vraiment efficace et si possible, facile à maintenir. Si une bonne âme de la regex voulait bien m'éclairer (ou me propose une toute autre solution ?), ça m'avancerait beaucoup.

Pour l'instant, je pensais à la validation, caractère par caractère, pour tenter de déterminer des groupes d'adresses, avant de les valider unitairement. Certes moins efficace mais pas nécessairement moins sûr. Qu'en pensez-vous ?

Pour le contexte : une sorte d'IFTTT du SMTP où l'on peut envoyer des commandes vraiment pointues pour récupérer des ressources par courriel -> j'utilise toutes les possibilités offertes par les RFC.

Bon après-midi à tous,

Julien.

Salut,

Citation:

---

Envoyé par Nothus

Ma question est simple : quel est le meilleur moyen (pythonnique) pour parser un champ to (ou cc, cci) qui contient plusieurs adresse email valides au sens de la RFC 3696 ?

---

On regarde d'abord ce que sait faire le module email qui vient en standard avec Python puis on bricole intelligemment pour réduire ses limitations.

- W

Citation:

---

Envoyé par wiztricks

On regarde d'abord ce que sait faire le module email qui vient en standard avec Python puis on bricole intelligemment pour réduire ses limitations.

---

Désolé je manque probablement d'intelligence mais je connais la fonction que tu évoques - et qui résout un point que l'on pourrait dire "annexe".

Code:

---

1 2 3 4 5

import email.utils addr = ("Abc\@def@example.com", "Fred\ Bloggs@example.com", "Joe.\\Blow@example.com", '"Abc@def"@example.com', '"Fred Bloggs"@example.com') for a in addr: print(email.utils.parseaddr(a))

---

Donnera bien un couple par item :

Code:

---

1 2 3 4 5 6

('', 'Abc\\@def') ('', 'Fred\\ Bloggs@example.com') ('', 'Joe.\\Blow@example.com') ('', '"Abc@def"@example.com') ('', '"Fred Bloggs"@example.com')

---

... Mais le champ to ou cc ou cci a bien la difficulté qu'il faut d'abord trouver la paire qui doit être extraite de l'entête avant de passer à cette fonction. Et c'est là que le bât blesse (... si tu relis ma question).

Code:

---

1 2 3 4

addr2 = 'Abc\@def@example.com, Fred\ Bloggs@example.com, Joe.\\Blow@example.com, "Abc@def"@example.com, "Fred Bloggs"@example.com' print(email.utils.parseaddr(addr2)) # renverra seulement ('', 'Abc\\@def') -- considérant l'explication Parse address – which should be the value of some address-containing field such as To or Cc

---

Je ne me serais pas permis de poster pour si peu...

Un split sur les virgules - vu que c'est le séparateur naturel pour les entêtes destinataires - n'a pas de sens, car les virgules peuvent être dans une adresse dans la partie local path sans que ça pose problème (avec ou sans échappement -> lorsqu'il y a simple ou double quote). Une regExp sur tous les possibles me semble bien monstrueuse.

Citation:

---

Envoyé par Nothus

Un split sur les virgules - vu que c'est le séparateur naturel pour les entêtes destinataires - n'a pas de sens, car les virgules peuvent être dans une adresse dans la partie local path sans que ça pose problème (avec ou sans échappement -> lorsqu'il y a simple ou double quote).

---

Donc d'une regexp monstrueuse, on est passé à écrire un code qui trouve les virgules en faisant attention à celles qui sont entre simple et double quote pour passer chaque récipient à email.utils.parseaddr
nota avant de vous répondre, j'ai déjà trouvé un code sur Internet qui fait çà. Sans compter qu'il existe aussi d'autres packages qu'email qui font peut être déjà çà.

- W

J'ai repris la source de la fonction que tu évoques : sur GitHub, elle sert d'une classe contenu dans le _parseaddr.py :
https://github.com/python/cpython/bl.../_parseaddr.py

Et là c'est intéressant car cette même fonction retourne le premier résultat trouvé... il suffit donc d'instancier la classe utilisée pour récupérer la liste complète :

Code:

---

1 2 3 4 5

import email._parseaddr o = email._parseaddr.AddressList('Abc\@def@example.com, Fred\ Bloggs@example.com, Joe.\\Blow@example.com, "Abc@def"@example.com, "Fred Bloggs"@example.com') print(o.addresslist) # retournera : [('', 'Abc\\@def'), ('', '@example.com'), ('', 'Fred\\ Bloggs@example.com'), ('', 'Joe.\\Blow@example.com'), ('', '"Abc@def"@example.com'), ('', '"Fred Bloggs"@example.com')]

---

... pas besoin ni de hack, ni de personnalisation. Dans Python tout est bon ! Dommage que la doc officielle n'en fasse pas davantage référence ni qu'elle soit dans les standards (au sens d'une classe référencée utilisable en l'état dans les docs). Car finalement elle accepte l'entête complet ou une portion (comme une adresse seule).

Résolu ! Merci wiztricks.

Citation:

---

Envoyé par wiztricks

Donc d'une regexp monstrueuse, on est passé à écrire un code qui trouve les virgules en faisant attention à celles qui sont entre simple et double quote pour passer chaque récipient à email.utils.parseaddr

---

Dans l'absolu, si l'on reste sur une regExp qui se base en découpe sur les virgules, ça reste une regExp monstrueuse car ça ne limite pas vraiment tous les possibles... ?

Au-delà de ta recherche (merci), je suis assez content, car la source de Python reprend pour ce point précis un parcours manuel de la chaîne de caractères de ce qui lui est fourni :

Code:

---

1 2 3 4 5

def gotonext(self): """Skip white space and extract comments.""" wslist = [] while self.pos < len(self.field): (...)

---

... J'aurais peut-être réinventé la roue en le faisant, mais au moins j'étais sur la bonne piste...

Bonne soirée.