如何用Python脚本提取Quick Sight报告中邮箱的纯域名

问题场景 #

在QuickSight报告的某列中，数据存储格式如下：

{
    `jeanette.underwood@crowe.com-delete`
    `isaac@accumulus.cpa-delete`
    `veronica@accumulus.co-delete`
    `BDengler@alloysilverstein.com-delete-delete-delete-delete-delete`
    `mhahn@andersonadvisors.com-delete-delete`
}

我们需要提取出纯域名，期望输出为：

{
    `crowe.com`
    `accumulus.cpa`
    `accumulus.co`
    `alloysilverstein.com`
    `andersonadvisors.com`
}

当前使用的QuickSight内置脚本：

trim(substring({Reg Email Id},locate({Reg Email Id},'@',1)+1,strlen({Reg Email Id})-locate({Reg Email Id},'@',1)))

只能提取@之后的内容，但无法去除末尾重复出现的-delete后缀，因此需要用Python实现精准提取。

Python实现方案 #

方法1：字符串分割法 #

通过两次分割直接定位域名部分，逻辑简单直观：

def get_pure_domain(email_item):
    # 先切分@符号，取后半段
    after_at = email_item.split('@')[-1]
    # 按-delete切分，取第一段就是纯域名
    pure_domain = after_at.split('-delete')[0]
    # 清理掉前后的反引号和空格
    return pure_domain.strip('` ')

# 测试用的原始数据
raw_items = [
    "`jeanette.underwood@crowe.com-delete`",
    "`isaac@accumulus.cpa-delete`",
    "`veronica@accumulus.co-delete`",
    "`BDengler@alloysilverstein.com-delete-delete-delete-delete-delete`",
    "`mhahn@andersonadvisors.com-delete-delete`"
]

# 处理并按期望格式输出
print("{")
for item in raw_items:
    print(f"    `{get_pure_domain(item)}`")
print("}")

方法2：正则表达式法 #

用正则精准匹配@之后、第一个-delete之前的内容，适配更多边缘情况：

import re

def get_pure_domain(email_item):
    # 匹配@后到第一个-delete前的内容
    domain_match = re.search(r'@([^-]+)(?=-delete)', email_item)
    if domain_match:
        return domain_match.group(1).strip()
    # 兼容没有-delete后缀的情况
    fallback_match = re.search(r'@([^\s`]+)', email_item)
    return fallback_match.group(1).strip() if fallback_match else ""

# 测试用的原始数据
raw_items = [
    "`jeanette.underwood@crowe.com-delete`",
    "`isaac@accumulus.cpa-delete`",
    "`veronica@accumulus.co-delete`",
    "`BDengler@alloysilverstein.com-delete-delete-delete-delete-delete`",
    "`mhahn@andersonadvisors.com-delete-delete`"
]

# 处理并按期望格式输出
print("{")
for item in raw_items:
    print(f"    `{get_pure_domain(item)}`")
print("}")

两种方法都能完美处理重复-delete的场景，输出符合要求的纯域名。如果是在QuickSight中集成，可以将上述逻辑封装为自定义函数用于数据预处理。

内容的提问来源于stack exchange，提问作者Thar