有多种方法可以生成电子邮件地址字符串，这些字符串与直接字符串比较（见下文）不同，但在逻辑上是等效的（即发送到两者的邮件都转到同一邮箱）。 这通常允许用户提供看似独特的电子邮件地址，即使不允许严格的平等。
我希望找到一个试图进行规范化的库，以便从大量的电子邮件地址中找到一些重复项。这里的目标是找到尽可能多的重复项。 鉴于这对多种用途有多大帮助（在我的情况下，它是简单的滥用检测，因为滥用帐户倾向于（尝试）只重用某些帐户），我认为可能存在现有的解决方案。
那么什么样的事情会有所不同？我至少知道这样的事情：
理想情况下，这将使用Java，尽管脚本语言也可以使用（命令行工具）
答案 0 :(得分：17)
我可以通过搜索“normalize email address”在 Google 上找到一些代码，但是没有什么比这更彻底了。我担心你必须编写自己的工具。如果我要编写这样的工具，我认为我会应用以下几条规则：
首先，该工具将降低域名的大小写（在@之后）。它应该不会太难，除非你想处理国际域名的电子邮件。例如，JoE@caFÉ.fR（注意E上的重音）应首先通过Nameprep算法。这导致JoE@xn--caf-dma.fr。我从未见过有这样一个国际电子邮件地址的人，但我怀疑你可能会在中国或日本找到一些，例如。
RFC 5322声明电子邮件的本地部分（在@之前）区分大小写，但几乎所有提供商的事实上的标准都是忽略大小写（我从未见过人类实际使用的区分大小写的电子邮件地址，但我认为仍然有一些系统管理员使用他们的Un * x电子邮件帐户，这种情况很重要）。我认为该工具应该有一个选项来忽略案例以获取域名列表（或者相反，只对区域列表区分大小写）。所以此时，电子邮件地址JoE@caFÉ.fR现已标准化为joe@xn--caf-dma.fr。
再一次，弹出国际（又称非ASCII）电子邮件地址的问题。 如果本地部分是非ASCII的怎么办？例如甲斐@黒川。日本（免责声明：我不会说日语）。 RFC 5322禁止这样做，但最近的RFC确实支持这一点（参见this wikipedia article）。很多语言都没有低级或大写的概念。当他们这样做时，如果你想改成小写形式，确保使用适当的Unicode小写算法，它并不总是微不足道的。例如，在德语中，“Großes”一词的小写字母可能是“grosses”或“großes”（免责声明：我也不会说德语）。所以在这一点上，电子邮件地址“Großes@caFÉ.Fr”应该已经标准化为“grosses@xn--caf-dma.fr”。
我没有详细阅读RFC 5322，但我认为还有可能在电子邮件地址中有评论，无论是在本地部分的开头还是结尾，例如（先生）john.lennon@beatles.com或john.lennon(ono)@beatles.com。应该删除这些注释（这将导致john.lennon@beatles.com。剥离注释并不是完全无足轻重的，因为我不知道如何处理嵌套注释，并且用双引号括起来的注释应该
一旦电子邮件正常化，我会应用您建议的“提供商特定”规则。例如，剥离GMail地址中的点并混合等效的域名（例如googlemail.com == gmail.com）。我想我会把它与以前的规范化步骤分开。
请注意，Gmail也会忽略加号（+）及其后的所有内容，例如s.m.i.t.h+hello_world@gmail.com等同于smith@gmail.com。
我不知道其他提供商规则。问题是，这些规则可能随时发生变化，您必须全部跟踪它们。
我认为就是这样。如果你想出一些工作代码，我真的很想看到它。
干杯！
答案 1 :(得分：4)
我一直在使用Apache James Mime4J来解析电子邮件地址。
正确处理（评论）并将其从localPart和domainPart中删除
它正确处理“间隔和引用”和+标记的localParts。
它有getLocalPart（）和getDomainPart（）方法。
虽然没有规范化gmail localParts。