请求分析大规模邮件列表并提取排名前100的域名

嘿，要处理大规模邮件列表提取Top100域名？这两个方法肯定能帮到你，一个是快速的命令行工具组合，另一个是灵活的Python脚本，按需选就行～

一、命令行快速处理（适合Linux/macOS环境） #

如果你的邮件列表是空格分隔的文本（就像你给的示例那样），用几个基础命令就能快速搞定，全程不用写代码：

1. 先把邮件拆成每行一个：把空格分隔的内容转换成每行一个邮件地址，方便后续处理

   tr ' ' '\n' < 你的邮件文件名.txt > emails_per_line.txt
   

2. 提取域名部分：用awk以@为分隔符，取@后面的域名内容

   awk -F '@' '{print $2}' emails_per_line.txt > domains.txt
   

3. 统计频次并取Top100：先排序、去重计数，再按次数降序排列，最后取前100条

   sort domains.txt | uniq -c | sort -nr | head -n 100
   

   解释一下：
   • uniq -c：统计每个域名出现的次数，前缀是次数
   • sort -nr：按数字逆序排序（次数多的排在前面）
   • head -n 100：只保留前100条结果

小提示：如果邮件列表里有重复的完整邮箱地址，想先去重再统计域名，可以在第一步之后加这行：

sort emails_per_line.txt | uniq > unique_emails.txt

然后用unique_emails.txt代替emails_per_line.txt做后续步骤就行。

二、Python脚本处理（适合定制化需求） #

如果需要更灵活的处理（比如处理带特殊字符的邮箱、自动保存结果到文件、后续做更多分析），写个简单的Python脚本就很方便：

from collections import Counter

# 读取邮件列表文件（替换成你的文件名）
with open('emails.txt', 'r', encoding='utf-8') as f:
    content = f.read().strip()

# 分割成单个邮件地址（如果是逗号分隔，就把split()改成split(',')）
emails = content.split()

# 提取域名，过滤掉格式不正确的邮箱（没有@的）
domains = []
for email in emails:
    if '@' in email:
        domain = email.split('@')[1]
        domains.append(domain)

# 统计域名频次，取前100
top_100_domains = Counter(domains).most_common(100)

# 打印结果
print("域名频次Top100：")
for rank, (domain, count) in enumerate(top_100_domains, start=1):
    print(f"{rank}. {domain}：{count}次")

# 保存结果到文件
with open('top_100_domains_result.txt', 'w', encoding='utf-8') as f:
    f.write("域名频次Top100：\n")
    for rank, (domain, count) in enumerate(top_100_domains, start=1):
        f.write(f"{rank}. {domain}：{count}次\n")

这个脚本的好处是：

• 自动过滤掉格式错误的邮箱（没有@的）
• 可以轻松调整分隔符（比如逗号、制表符）
• 结果既可以打印到控制台，也能保存成文件方便后续查看

内容的提问来源于stack exchange，提问作者kingcope