Python 从电子邮件中提取和统计域地址邮件

我有一个电子邮件列表，只想提取域名，并计算每个域名出现的次数：

电子邮件：

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)

best@yahoo.com

hello@gmail.com

everybody@gmail.com

bye@gmail.com

day@yahoo.com

桌子。blue@gmail.com

life@yahoo.com

脚本：

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)

输出：

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)

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

回溯（最近一次呼叫最后一次）：

文件“counting.py”，第10行，在

newmail = newline.group()

AttributeError:“非类型”对象没有属性“组”

输出良好：

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)

@雅虎网站3

@gmail.com 4

您可以使用split

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

---

非常接近-无需将文件拆分为行，只需使用

re.findall

、

re.MULTILINE

和模式即可

---

做两次劈叉。第二个是@。。然后追加最后一项并将计数器应用于列表

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）]

你不需要正则表达式。如果您可以相信所有输入都是格式良好的电子邮件，那么这就足够了：

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)

---

正则表达式将避免您创建不必要的列表

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)

---

您没有计算提取的提及，先收集它们，然后找到最常见的，请参见

[\w.]

与

defaultdict（lambda:0）

可以写成

defaultdict（int）

<代码>计数器，如OP中所用，无论如何都更适合此任务。