在python中清理电子邮件地址的最简单方法

Question

我的电子邮件地址有问题，只要稍作更正，它们就可以转换为有效的电子邮件地址。

例如：

[e-mail], --- Not valid
'[e-mail],  --- Not valid
([e-mail]),  --- Not valid
([e-mail]),  --- Not valid
:[e-mail],  --- Not valid
//[e-mail]  --- Not valid
[e-mail]    ---  valid
...

我可以写"；如果为"否则"；，但如果一个新的电子邮件地址有新的问题，我需要写"；如果其他"；并每次更新。

清除所有这些小问题的最佳方法是什么，一些python包或regex？请放心。

Answer 1

你可以这样做(我基本上会检查电子邮件中的元素是阿尔法字符还是点，如果不是，就会删除它们(：

emails = [
'[e-mail]', 
'([e-mail])', 
'([e-mail])',  
':[e-mail]',  
'//[e-mail]',
'[e-mail]'
]
def correct_email_format(email):
return ''.join(e for e in email if (e.isalnum() or e in ['.', '@']))
for email in emails:
corrected_email = correct_email_format(email)
print(corrected_email)

输出：

[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]

Answer 2

数据清理很混乱，但我发现定义一组规则的方法是一种简单的管理方法(规则的顺序很重要(：

rules = [
lambda s: s.replace('%20', ' '),
lambda s: s.strip(" ,'"),
]
addresses = [
'[e-mail],',
'[e-mail],'
]
for a in addresses:
for r in rules:
a = r(a)
print(a)

这是结果输出：

[e-mail]
[e-mail]

确保您编写的测试套件包含无效数据和有效数据。这很容易打破，你可能会经常调整规则。

虽然我在上面的规则中使用了lambda，但它可以是一个接受和返回字符串的任意复杂函数。

Answer 3

如果您有更多不同的测试用例，即[e-mail].、,,[e-mail].@_)或[e-mail]@@@，那么这实际上是一个复杂的测试用例。尽管如此，你可以剥去它们，但不能局限于最后和开始要剥去的东西。

注意：带有数字和_的电子邮件地址也是有效的。

emails = [
'[e-mail]', 
'([e-mail])', 
'([e-mail])',  
':[e-mail]',  
'//[e-mail]',
'[e-mail]'
]
def clean(email):
return ''.join(filter(lambda x: ord(x) >= 65 or x in ['.', '@', '_'], email))
for email in emails:
print(clean(email))

输出：

[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]