r - 如何从电子邮件地址中提取 "domain"

Question

我的专栏中有以下模式

xyz@gmail.com
abc@hotmail.com

现在，我想在 @ 之后提取文本及之前 .即 gmail 和 hotmail。我可以在 . 之后提取文本使用以下代码。

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

如何修改上面的内容以适合我的用例？

Answer 1

你:

真的需要阅读 RFC 3696 的第 3 节(TLDR:@ 可以出现在多个地方)

似乎没有考虑到电子邮件可以是“someone@department.example.com”、“someone.else@yet.another.department.example.com”(即天真地假设只有一个域可以在此分析中的某个时刻回来咬你)

应该注意，如果您真的要寻找电子邮件“域名”，那么您还必须考虑 really constitutes a domain name and a proper suffix .

所以——除非你确定你有并且总是有简单的电子邮件地址——我可以建议:

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

emails <- c("yz@gmail.com", "abc@hotmail.com",
            "someone@department.example.com",
            "someone.else@yet.another.department.com",
            "some.brit@froodyorg.co.uk")

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

注意子域、域和后缀的正确拆分，尤其是最后一个。
知道了这一点，我们就可以把代码改成:

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"