如何从电子邮件地址中提取“域”

我的专栏中有以下模式

[email protected]
[email protected]

现在，我想在之后提取文本@和之前.即 gmail 和 hotmail。我能够在之后提取文本.用下面的代码。

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

我如何修改上述内容以适合我的用例？

You:

1. really需要阅读第 3 节RFC 3696（总长：@可以出现在多个地方）
2. 似乎没有想到，一封邮件也可以“[email protected]", "[email protected]“（即天真地假设只有一个域可能会在分析中的某个时刻回来咬你）
3. 应该注意的是，如果您确实正在寻找电子邮件“域名”，那么您还必须考虑什么真正构成域名和适当的后缀.

So — 除非您确定您拥有并将始终拥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("[email protected]", "[email protected]",
            "[email protected]",
            "[email protected]",
            "[email protected]")

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、域和后缀的正确拆分，尤其是最后一个。

知道了这一点，我们就可以将代码更改为：

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"