Cách dùng biểu thức chính quy (Regex) lọc email hợp lệ trong Pandas Series

Biểu thức chính quy là chuỗi ký tự định nghĩa mẫu tìm kiếm. Trong chương trình này, chúng ta dùng regex để lọc email hợp lệ và không hợp lệ.

Chúng ta định nghĩa một Pandas Series với các email khác nhau và kiểm tra email nào hợp lệ. Cũng dùng thư viện python re cho regex.

Thuật toán

Bước 1: Định nghĩa Pandas series các email id.
Bước 2: Định nghĩa regex kiểm tra tính hợp lệ email.
Bước 3: Dùng re.search() trong thư viện re để kiểm tra email.

Mã ví dụ

import pandas as pd
import re
series = pd.Series(['jimmyadams123@gmail.com', 'hellowolrd.com'])
regex = '^[a-z0-9]+[\\._]?[a-z0-9]+[@]\\w+[.]\\w{2,3}$'
for email in series:
    if re.search(regex, email):
        print("{}: Email hợp lệ".format(email))
    else:
        print("{} : Email không hợp lệ".format(email))

Kết quả

jimmyadams123@gmail.com: Email hợp lệ
hellowolrd.com : Email không hợp lệ

Giải thích

Bien regex có các ký hiệu sau:

• ^: Neo bắt đầu chuỗi
• [ ]: ngoặc vuông định nghĩa lớp ký tự khớp 1 ký tự
• \\: Ký tự escape
• .: Dấu chấm khớp bất kỳ ký tự trừ newline
• {}: ngoặc nhọn dùng cho định nghĩa khoảng
• $: Dấu dollar neo kết thúc chuỗi