從電子郵件中提取並計算域地址郵件

Question

我有一封電子郵件列表，只想提取域並計算每個域出現多少次：

電郵：

best@yahoo.com

hello@gmail.com

每個人@ gmail.com

bye@gmail.com

day@yahoo.com

table.blue@gmail.com

life@yahoo.com

腳本：

import re
from collections import Counter

with open("mails.txt", "r") as f:
    texte = f.read().split('\n')

    for line in texte:
        newline = re.search("@[\w.]+", line)
        newmail = newline.group()

        mails_value = Counter(newmail).most_common()

        print (mails_value)

輸出：

[（'@'，1），（'g'，1），（'6'，1），（'5'，1），（'。'，1），（'f'，1），（ 'r'，1）]

追溯（最近一次通話）：

文件“ counting.py”，第10行，在

 newmail = newline.group() 

AttributeError：'NoneType'對象沒有屬性'group'

好的輸出：

@ yahoo.com 3

@ gmail.com 4

Answer 1

您非常接近-無需將文件拆分為行，只需使用re.findall ， re.MULTILINE和模式@（。*）$

import re
import collections

with open("mails.txt") as f:
    text = f.read()
domains = re.findall(r'@(.*)$', text, re.MULTILINE)
mails_value = collections.Counter(domains) 
# outputs with example: Counter({'gmail.com': 4, 'yahoo.com': 3})

Answer 2

您不需要正則表達式。 如果您可以確信所有輸入內容都是格式正確的電子郵件，那么就足夠了：

from collections import defaultdict

domain_count = defaultdict(lambda: 0)

with open("mails.txt", "r") as f:
    texte = f.readlines()

    for line in texte:
        domain = line.split('@')[-1]
        domain_count[domain] += 1

print (domain_count)

Answer 3

正則表達式可以避免創建不必要的列表。

import re
from collections import Counter

with open("mails.txt", "r") as f:
    texte = f.read().split('\n')
    l=[]
    for line in texte:
        p=re.compile("(?<=@)[^.]+(?=\.)")
        newline = p.search(line)
        if(newline):

            newmail = newline.group(0)
            l.append(newmail)

Counter(l)

輸出值

Counter({'gmail': 4, 'yahoo': 3})

Answer 4

您可以使用拆分

texte = "life@yahoo.com"
texte.split("@")
['life', 'yahoo.com']

Answer 5

做2分裂。 第二個帶有@.。然后附加最后一項並將計數器應用於列表

import re
from collections import Counter

with open("mails.txt", "r") as f:
    texte = f.read().split('\n')

    domains = []

    for line in texte:
        line = line.split('@')
        if line[-1] != "":
            domains.append(line[-1])

mails_value = Counter(domains).most_common()

print(mails_value)   

[('gmail.com', 4), ('yahoo.com', 3)]

Answer 6

import re
from collections import Counter

mails = []

with open("mails.txt", "r") as f:
    texte = f.read().split()
    for i in texte:
        mails.append(re.search("@[\w.]+", i).group())

mails_value = Counter(mails).most_common()
print mails_value