提问人：Assa Yeroslaviz 提问时间：11/3/2023 最后编辑：zx8754Assa Yeroslaviz 更新时间：11/3/2023 访问量：62
如何根据电子邮件地址后缀筛选表
How to filter a table based on email address suffix
问：
我有一个包含超过 100K 个姓名和地址的表格。我想过滤表格，只保留那些我认为不是垃圾邮件的电子邮件。
例如，我有这样的地址
[email protected]
[email protected]
[email protected]
我现在想过滤那些在符号之前只有数字的地址，以及那些在 之后但在后缀之前只有数字的电子邮件。@@.com
我知道我可以使用 和 提取它们，但我无法将它们放入查询中以将它们从表中删除。str_splitgreplfilter
pattern <- "[email protected]"
str_split(pattern, '@') # this will split the address based on the sumbol
str_split(string = str_split(pattern, '@')[[1]][2], pattern = "\\.") # this will split the doamin name based on the dot separating the suffix from the numbers.
as.numeric(str_split(string = str_split(pattern, '@')[[1]][2], pattern = "\\.")[[1]][1]) # This for example will check if the string extracted above contains only numbers, if not it will return NA
但是，如何在查询中组合它呢？tidyverse
谢谢
附言 我知道这是一个牵强附会的问题，但是是否有某种可以在 R 中使用电子邮件地址的垃圾邮件过滤器？
答：
3赞
Ronak Shah
11/3/2023
#1
我认为这种模式应该可以帮助您根据自己的情况识别垃圾邮件。
^\\d+@|@\\d+\\.com
要使用它，您可以使用或从 .filtergreplstr_detectstringr
data %>% filter(grepl('^\\d+@|@\\d+\\.com', email))
要获取非垃圾邮件行，请使用 否定条件。!
data %>% filter(!grepl('^\\d+@|@\\d+\\.com', email))
例：
x <- c('[email protected]', '[email protected]', '[email protected]', '[email protected]')
grepl('^\\d+@|@\\d+\\.com', x)
#[1] TRUE TRUE TRUE FALSE
评论
1赞
AdrianHHH
11/3/2023
请注意，这与正则表达式中没有任何内容相同。内部不能删除，因为 之前有一些东西（即 ）。(\\d+)@(\\d)@+@\\d+\\.com@\\d+
0赞
Assa Yeroslaviz
11/3/2023
谢谢，这确实很简单，但是有没有办法测试，如果地址开头只有数字？
0赞
DuesserBaest
11/3/2023
如果将正则表达式减少到 那么，它只会过滤 之前的独占数字。^\\d+@@
1赞
Moritz
11/3/2023
#2
这是一个相当简单的解决方案，我认为可能有一种更干净的方法，而无需创建所有这些额外的列：
adress <- c("[email protected]","[email protected]","[email protected]")
adf <- as.data.frame(adress)
adf[c("Before","After")] <- str_split_fixed(adf$adress, '@',2) # this will split the address before @
adf[c("After2","com")] <- str_split_fixed(adf$After,"\\.",2) # this will split the remaining @
library(dplyr)
adf <- adf %>% filter(grepl('[a-zA-Z]', Before))
adf <- adf %>% filter(grepl('[a-zA-Z]', adf$After2))
adf$adress
[1] "[email protected]"
评论