Django 或 python 操作电子邮件地址并推断域

Question

我希望能够解析电子邮件地址以隔离域部分，并测试电子邮件地址是否属于给定域的一部分。

据我所知，email 模块并没有这样做。除了通常的字符串处理和正则表达式例程之外，还有什么值得使用来执行此操作吗？

注意：我知道如何处理 python 字符串。我不需要基本的食谱，但欢迎很棒的食谱。

这里的问题本质上是电子邮件地址的格式（示意性地）userpart@sub\.domain\.[sld]+\.tld。

剥离@之前的部分很容易；困难的部分是解析域，以确定哪些部分是较大组织域中的子域，而不是通用的二级（或者，我猜甚至更高阶）公共域。

想象一下解析 [电子邮件受保护]查找该组织的域名为 organization.co.uk，因此能够匹配 mail.organise.co.uk 和 finance.organization.co .uk 作为 organization.co.uk 的子域。

基本上有两种可能的（非基于 DNS 的）方法：构建一个有限自动机，该自动机了解所有通用 sld 及其与 tld 的关系（包括流行的“假”sld，如 uk.com），或者尝试猜测，基于必须存在 tld 的知识，并假设如果有三个（或更多）元素，则如果二级域名少于三/四个字符，则二级域名是通用的。每种方法的相对缺点应该是显而易见的。

另一种方法是查看 DNS 条目来确定什么是注册域，但这也有其自身的缺点。

无论如何，我宁愿依赖别人的工作。

Answer 1

根据 @dm03514 的评论，有一个 python 库可以做到这一点： tldextract：

>>> import tldextract
>>> tldextract.extract('[email protected]')
ExtractResult(subdomain='bar', domain='baz', tld='org.uk')

Answer 2

通过这个简单的脚本，我们将 @ 替换为 @.，以便我们的域终止，并且 endswith 不会匹配以相同的文字。

def address_in_domain(address, domain):
    return address.replace('@', '@.').endswith('.' + domain)

if __name__ == '__main__':
    addresses = [
        '[email protected]',
        '[email protected]',
        '[email protected]',
    ]
    print filter(lambda address: address_in_domain(address, 'domain.com'), addresses)
    # Prints: ['[email protected]', '[email protected]']