今時のメールアドレス正規表現

概要

• メールアドレス入力フォームの検証に正規表現でチェックしています。
• このたび、メールアドレスの検証に使っている正規表現が書かれている gem にて、メールアドレスの検証ロジックに大幅な変更が入ったので調査してみました。

背景

• きっかけ
  • Web アプリケーションのメールアドレスの validation には email_validator という gem を使っていました。これが v2 からすごい緩いバリデーションになっていました。
    • https://github.com/balexand/email_validator/blob/a479ff6bf9305ba7944df459402664fc9d74a339/lib/email_validator.rb#L13
    • この gemは300万ダウンロードあります。
• 理由
  • https://hackernoon.com/the-100-correct-way-to-validate-email-addresses-7c4818f24643
    • タイトルに文句がある方はこの記事へ。
  • https://hackernoon.com/how-to-reduce-incorrect-email-addresses-df3b70cb15a9
  • https://en.wikipedia.org/wiki/Email_address
• テストケース
  • https://github.com/balexand/email_validator/blob/v2.0.0/spec/email_validator_spec.rb#L25-L57

実運用ではどうするか考える

• AWS SES は [e-mail] というマルチバイトを含んだメールアドレスは reject される。

• ASCII 以外の文字列って、ユーザの入力ミスの可能性が 90％以上だろうし。悩ましい。

• HTML5 のブラウザ側の正規表現は、もっと厳しい。マルチバイトは許されない。

• 実際は、v1.6 の strict_mode オプションを使うのが良いのかなと。

  • https://github.com/balexand/email_validator/blob/ef9c09161831946c5fb85e4273b2cc2a559cc758/lib/email_validator.rb#L11

• v1.6 の strict な正規表現で怪しいメアドをあぶり出すショートコード

name_validation = "-\\p{L}\\d+._"
regex = /\A\s*([#{name_validation}]{1,64})@((?:[-\p{L}\d]+\.)+\p{L}{2,})\s*\z/i
User.all.select {|u| puts u.id unless u.email.match(regex) }

• URI::MailTo::EMAIL_REGEXP もよさそう。

/\A[a-zA-Z0-9.!\#$%&'*+\/=?^_`{|}~-]+@[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?(?:\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)*\z/

結論

広く許容する場合は以下の正規表現。

[^\s]+@[^\s]+

• 解説：アットマークの直前がホワイトスペース以外かつ、アットマークの直後がホワイトスペース以外。
• 参照：https://github.com/balexand/email_validator/blob/a479ff6bf9305ba7944df459402664fc9d74a339/lib/email_validator.rb#L13
• 注意: 上記のメールアドレスの正規表現では valid だけど、AWS SES や別の MTA で弾かれる場合がある。
  • ユーザ登録を優先するか、メールの到達性を優先するかはサービスのポリシー次第で決める。