使用Python从邮箱地址中提取机构名称的通用方案咨询

核心思路是先准确识别域名的公共后缀（如.com、.co.uk、.org.cn等），再剥离公共后缀和无关的子域名前缀，最终得到机构对应的主域名部分。推荐使用维护了全球公共后缀列表（PSL）的tldextract库实现，不需要自行编写正则覆盖所有后缀场景。

实现步骤 #

1. 安装依赖 #

pip install tldextract

2. 示例代码 #

import tldextract

# 初始化提取器，配置缓存目录避免重复下载公共后缀列表
ext = tldextract.TLDExtract(cache_dir='./tld_cache')

def extract_org_from_email(email: str) -> str | None:
    # 基础格式校验
    if '@' not in email:
        return None
    # 提取@后的域名部分，清理多余字符
    domain_part = email.split('@')[-1].strip().lower()
    # 解析域名
    parsed = ext(domain_part)
    # parsed.domain即为剥离了公共后缀和子域名前缀的机构主域名
    return parsed.domain if parsed.domain else None

3. 测试效果 #

• 输入email@organizationName.com → 输出 organizationName
• 输入email@info.organizationName.com → 输出 organizationName
• 输入email@organizationName.co.uk → 输出 organizationName

注意事项 #

• 首次运行会自动下载最新公共后缀列表，离线使用可以提前把列表文件放到指定的cache_dir目录即可
• 如存在企业内部自定义后缀（如.internal、.corp等），可通过tldextract的extra_suffixes参数手动添加规则
• 处理海量数据前建议先做邮箱格式清洗，过滤无@、包含非法字符、多个@的无效数据，提升处理效率

内容的提问来源于stack exchange，提问作者Talal