从电子邮件地址中提取“域名”的方法

Question

我在我的列中有以下模式。

[e-mail]
[e-mail]

现在，我想提取@和.之间的文本，即电子邮件地址中的gmail和hotmail。我可以使用以下代码提取.后面的文本。

sub(".*@", "", email)

如何修改上述内容以适应我的使用情况？

- Neil

Answer 1

您需要阅读RFC 3696的第3节（简而言之：符号“@”可以出现在多个位置）。

看起来您没有考虑到电子邮件地址可能是“[e-mail]”，“[e-mail]”（即天真地假设只有一个域名可能会在某些情况下对您进行分析），请注意。

如果您真的在寻找“电子邮件域名”，则还必须考虑什么构成了域名和合适的后缀，这一点您应该知道。

因此，除非您确信您拥有并将始终拥有简单的电子邮件地址，否则我建议：

library(stringi)
library(urltools)
library(dplyr)
library(purrr)

emails <- c("[e-mail]", "[e-mail]",
            "[e-mail]",
            "[e-mail]",
            "[e-mail]")

stri_locate_last_fixed(emails, "@")[,"end"] %>%
  map2_df(emails, function(x, y) {
    substr(y, x+1, nchar(y)) %>%
      suffix_extract()
  })
##                         host    subdomain      domain suffix
## 1                  gmail.com         <NA>       gmail    com
## 2                hotmail.com         <NA>     hotmail    com
## 3      deparment.example.com   department     example    com
## 4 yet.another.department.com  yet.another  department    com
## 5             froodyco.co.uk         <NA>   froodyorg  co.uk

请注意子域名、域名和后缀的正确分割，特别是最后一个。

了解这一点后，我们可以更改代码为：

stri_locate_last_fixed(emails, "@")[,"end"] %>%
  map2_chr(emails, function(x, y) {
    substr(y, x+1, nchar(y)) %>%
      suffix_extract() %>%
      mutate(full_domain=ifelse(is.na(subdomain), domain, sprintf("%s.%s", subdomain, domain))) %>%
      select(full_domain) %>%
      flatten_chr()
  })
## [1] "gmail"                   "hotmail"               
## [3] "department.example"      "yet.another.department"
## [5] "froodyorg"

- hrbrmstr

Answer 2

我们可以使用 gsub。

gsub(".*@|\\..*", "", email)
#[1] "gmail"   "hotmail"

- akrun

Answer 3

您可以使用：

emails <- c("[e-mail]", "[e-mail]")
emails_new <- gsub("@(.+)$", "\\1", emails)
emails_new
# [1] "gmail.com"   "hotmail.com"

在ideone.com上查看演示。

- Jan

---

看起来模式应该是 "@(.*)\\..*"，你可以使用 sub。 - Wiktor Stribiżew

Answer 4

这是 @hrbrmstr 使用 stringr 的函数：

stringr::str_locate_all(email,"@") %>% purrr::map_int(~ .[2]) %>%
purrr::map2_df(email, ~ {
  stringr::str_sub(.y, .x+1, nchar(.y)) %>%
    urltools::suffix_extract()
})

- xaviescacs