R语言实现：判断邮箱是否属于目标域名及报错解决

我有一列唯一的邮箱域名（例如@comp1.com、@comp2.com等），另有一个包含大量邮箱的数据集。希望新建一列target_email，若邮箱属于目标域名则返回TRUE，否则返回FALSE。尝试了以下代码：

df$target_email<-grepl(domain$Email, df$Email)

df$target_email<-ifelse(grepl(domain$Email, df$Email), "TRUE", "FALSE")

df$target_email<-sapply(domain$Email, \(string) any(grepl(string, df$target_email, fixed = TRUE)))

但均报错：

argument 'pattern' has length > 1 and only the first element will be used

或

replacement has 160 rows, data has 28446

补充示例：假设要筛选FAANG公司邮箱，示例数据如下：

df$email<-c("matt@apple.com", "tash@amazon.com", "a@coke.com", "b@netflix.com", "c@pepsi.com")

domains$email<-c("apple.com", "netflix.com", "amazon.com", "google.com")

期望结果：

df$target_email<-c(TRUE, TRUE, FALSE, TRUE, FALSE)

报错原因 #

• 第一个错误：grepl()的pattern参数默认只支持单个字符串，直接传入域名向量时，只会取第一个元素匹配，其余域名被忽略。
• 第二个错误：sapply()遍历域名后返回的结果长度和domains一致（160行），但df有28446行，维度不匹配导致赋值失败。

解决方案 #

方法1：合并域名成正则表达式批量匹配 #

把所有目标域名拼接成一个正则模式，用|表示“或”逻辑，再一次性匹配所有邮箱：

# 构建匹配@+目标域名的正则模式
domain_pattern <- paste0("@", domains$email, collapse = "|")
# 执行匹配，fixed=TRUE避免转义域名中的.
df$target_email <- grepl(domain_pattern, df$email, fixed = TRUE)

示例验证：

df$email<-c("matt@apple.com", "tash@amazon.com", "a@coke.com", "b@netflix.com", "c@pepsi.com")
domains$email<-c("apple.com", "netflix.com", "amazon.com", "google.com")

domain_pattern <- paste0("@", domains$email, collapse = "|")
df$target_email <- grepl(domain_pattern, df$email, fixed = TRUE)
# 输出结果：[1]  TRUE  TRUE FALSE  TRUE FALSE

方法2：提取邮箱域名后直接匹配 #

先从邮箱中提取@之后的域名部分，再用%in%判断是否在目标域名列表中，逻辑更直观：

# 提取@后面的域名
df$extracted_domain <- sub(".*@", "", df$email)
# 判断是否属于目标域名
df$target_email <- df$extracted_domain %in% domains$email

示例验证结果和方法1完全一致，还能保留提取出的域名用于后续分析。

方法3：用stringr包简化代码 #

stringr::str_detect支持直接传入模式向量，自动处理“或”逻辑，代码更简洁：

library(stringr)
df$target_email <- str_detect(df$email, paste0("@", domains$email))

内容的提问来源于stack exchange，提问作者lala345