Python使用正则表达式验证含多段点的合法邮箱地址求助
原正则错误原因
- 用户名规则限制过严:仅允许最多1个
.或_分隔符,无法匹配多个分隔符的用户名(如two.dots.m12) - 域名规则限制过严:仅允许单级后缀(如
.com),无法匹配多级域名后缀(如.com.es、.gob.pe) - 未处理带空格的输入,也未忽略大小写匹配(部分邮箱可能包含大写字母)
修正后的验证方案
首先优化正则规则,同时增加输入预处理逻辑,先去除邮箱前后空格、过滤空值和<blank>标记:
import re import pandas as pd series = pd.Series(['test.123@gmail.com', 'two.dots.m12@gmail.com', 'test.test2.c@gmail.com.es', 'sam_alc12@congreso.gob.pe', 'hellowolrd.com', '<blank>', ' wrong.space@test.com ']) # 新增带空格的测试用例 # 优化后的正则:支持多分隔符用户名、多级域名后缀,兼容大小写 regex = r'^[a-zA-Z0-9]+(?:[._][a-zA-Z0-9]+)*@[a-zA-Z0-9]+(?:\.[a-zA-Z0-9]+)*\.[a-zA-Z]{2,}$' for email in series: # 预处理:去除首尾空格 cleaned_email = email.strip() # 过滤空值和<blank>标记 if not cleaned_email or cleaned_email == '<blank>': print(f"{email}: Invalid Email") continue if re.fullmatch(regex, cleaned_email): print(f"{email}: Valid Email") else: print(f"{email}: Invalid Email")
运行后输出符合预期,原本被误判的3个邮箱都会标记为合法,带空格的输入经过预处理后也能正常校验:
test.123@gmail.com: Valid Email two.dots.m12@gmail.com: Valid Email test.test2.c@gmail.com.es: Valid Email sam_alc12@congreso.gob.pe: Valid Email hellowolrd.com: Invalid Email <blank>: Invalid Email wrong.space@test.com : Valid Email
批量处理性能优化
针对4万条数据的场景,建议使用pandas向量化操作代替循环,处理效率更高:
# 统一做预处理 cleaned_series = series.str.strip() # 批量生成校验结果的布尔值序列 valid_mask = cleaned_series.str.fullmatch(regex, na=False) & ~cleaned_series.isin(['', '<blank>']) # 直接提取所有合法邮箱 valid_emails = series[valid_mask]
内容的提问来源于stack exchange,提问作者Freddy Daniel
相关产品推荐
相关产品推荐

