Question

我有一封电子邮件列表，只想提取域并计算每个域出现的次数：

电子邮件：

best@yahoo.com

hello@gmail.com

everybody@gmail.com

bye@gmail.com

day@yahoo.com

table.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：

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

回溯（最近通话最近一次）：


中的文件“ counting.py”，第10行
newmail = newline.group()
AttributeError：'NoneType'对象没有属性'group'

好的输出：

@ yahoo.com 3

@ gmail.com 4

Answer 1

您非常接近-无需将文件拆分为行，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

您不需要正则表达式。如果您可以确信所有输入内容都是格式正确的电子邮件，那么就足够了：

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)

Answer 3

正则表达式将使您免于创建不必要的列表。

Quant

输出

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)

Answer 4

您可以使用split

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

Answer 5

进行2次分割。第二个带有@.。然后附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)]

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

从电子邮件中提取并计算域地址邮件

6 个答案: