使用 pyspark 验证电子邮件地址

Question

我已经编写了使用 pyspark 验证电子邮件地址的代码，但得到的电子邮件地址无效。

输入电子邮件地址

alcaraz@lcc@uma.es

输出得到

lcc@ums.es

预期输出

"invalid email address"

代码已尝试

df1 = df.withColumn(df.columns[0], regexp_replace(lower(df.columns[0]), "^a-zA-Z0-9@\._\-| ", ""))
    extract_expr = expr(
        "regexp_extract_all(emails, '(\\w+([\\.-]?\\w+)*@\[A-Za-z\-\.]+([\\.-]?\\w+)*(\\.\\w{2,3})+)', 0)")

    df2 = df1.withColumn(df.columns[0], extract_expr) \
        .select(df.columns[0])

Answer 1

对于确保符合 RFC5322 的最终 RE，可以找到许多“解决方案”。这是我用的那个。它可能无法匹配 100% 的情况。

import re

expr = r"[a-z0-9!#$%&'*+/=?^_‘{| }~-]+(?:\.[a-z0-9!#$%&'*+/=?^_‘{|}~-]+)*@(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?"
p = re.compile(expr)

for ema in ['boris@gov.uk', 'alcaraz@lcc@uma.es']:
    v = 'valid' if p.match(ema) else 'invalid'
    print(f'{ema} is {v}')

使用 pyspark 验证电子邮件地址

Validate email address using pyspark

python

regex

email-validation

pyspark