Django或Python处理电子邮件地址并推理域名

Question

我想要解析电子邮件地址，以便提取出域名部分，并测试一个电子邮件地址是否属于某个特定的域名。

根据我的了解，email模块并不能做到这一点。除了常规的字符串处理和正则表达式，还有什么值得使用的方法吗？

注意：我知道如何处理Python字符串，不需要基础的做法，不过很棒的做法我也欢迎。

这里的问题本质上是，电子邮件地址的格式大致是 userpart@sub\.domain\.[sld]+\.tld。

去掉@前面的部分很简单；难点在于解析域名，弄清楚哪些部分是更大组织域名下的子域名，而不是普通的二级（或者更高层次的）公共域名。

想象一下，解析 user@mail.organisation.co.uk，找出组织的域名是 organisation.co.uk，这样就能把 mail.organisation.co.uk 和 finance.organisation.co.uk 识别为 organisation.co.uk 的子域名。

基本上有两种可能的方法（不依赖DNS）：一种是构建一个有限自动机，了解所有通用的二级域名及其与顶级域名的关系（包括一些流行的“假”二级域名，比如 uk.com）；另一种是根据必须存在一个顶级域名的知识来猜测，如果有三个（或更多）部分，且第二级域名的字符少于三或四个，就认为它是通用的。这两种方法各有缺点，应该很明显。

另一种选择是查看DNS条目，以确定什么是注册的域名，但这也有自己的缺点。

总之，我更愿意利用他人的工作成果。

Answer 1

通过这个简单的脚本，我们把 @ 替换成 @.，这样就能让我们的域名结束部分变得不同，避免 endswith 函数匹配到以相同文本结尾的域名。

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

if __name__ == '__main__':
    addresses = [
        'user1@domain.com',
        'user1@anotherdomain.com',
        'user2@org.domain.com',
    ]
    print filter(lambda address: address_in_domain(address, 'domain.com'), addresses)
    # Prints: ['user1@domain.com', 'user2@org.domain.com']

Answer 2

根据@dm03514的评论，有一个Python库可以完全做到这一点：tldextract：

>>> import tldextract
>>> tldextract.extract('foo@bar.baz.org.uk')
ExtractResult(subdomain='bar', domain='baz', tld='org.uk')