[每日一练]查找拥有有效邮箱的用户以及pandas正则表达式的使用

该题目来源于力扣：

题目要求：

表: Users

复制代码

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| user_id       | int     |
| name          | varchar |
| mail          | varchar |
+---------------+---------+
user_id 是该表的主键（具有唯一值的列）。
该表包含了网站已注册用户的信息。有一些电子邮件是无效的。

编写一个解决方案，以查找具有有效电子邮件的用户。

一个有效的电子邮件具有前缀名称和域，其中：

前缀名称是一个字符串，可以包含字母（大写或小写），数字，下划线 '_' ，点 '.' 和/或破折号 '-' 。前缀名称必须以字母开头。
域为 '@leetcode.com' 。

以任何顺序返回结果表。

结果的格式如以下示例所示：

示例 1：

复制代码

输入：
Users 表:
+---------+-----------+-------------------------+
| user_id | name      | mail                    |
+---------+-----------+-------------------------+
| 1       | Winston   | winston@leetcode.com    |
| 2       | Jonathan  | jonathanisgreat         |
| 3       | Annabelle | bella-@leetcode.com     |
| 4       | Sally     | sally.come@leetcode.com |
| 5       | Marwan    | quarz#2020@leetcode.com |
| 6       | David     | david69@gmail.com       |
| 7       | Shapiro   | .shapo@leetcode.com     |
+---------+-----------+-------------------------+
输出：
+---------+-----------+-------------------------+
| user_id | name      | mail                    |
+---------+-----------+-------------------------+
| 1       | Winston   | winston@leetcode.com    |
| 3       | Annabelle | bella-@leetcode.com     |
| 4       | Sally     | sally.come@leetcode.com |
+---------+-----------+-------------------------+
解释：
用户 2 的电子邮件没有域。 
用户 5 的电子邮件带有不允许的 '#' 符号。
用户 6 的电子邮件没有 leetcode 域。 
用户 7 的电子邮件以点开头。

关于pandas的正则表达式：

--正则表达式的匹配元素的形式：

普通字符：表示匹配自身的字符，例如字母、数字、标点符号等。
元字符 ：具有特殊含义的字符，例如.、^、$等。
字符类 ：用方括号[]表示，匹配括号内的任意一个字符。
重复匹配 ：使用*、+、?等符号表示重复匹配的次数或范围。
边界匹配 ：使用^和$分别表示字符串的开头和结尾。
分组和引用 ：使用圆括号()表示一个子表达式，可以对子表达式进行分组和后向引用。

--常用的正则表达式方法：

str.contains(): 用于检查每个元素是否包含指定的模式。
str.replace(): 用于替换匹配的内容。
str.extract(): 用于从每个元素中提取匹配的内容。
str.match(): 用于检查每个元素是否以指定的模式开头。
str.findall(): 用于找到所有匹配的内容。

--正则表达式的相关功能：

^：表示一个字符串或行的开头

[a-z]：表示一个字符范围，匹配从 a 到 z 的任何字符。

[0-9]：表示一个字符范围，匹配从 0 到 9 的任何字符。

[a-zA-Z]：这个变量匹配从 a 到 z 或 A 到 Z 的任何字符。请注意，你可以在方括号内指定的字符范围的数量没有限制，您可以添加想要匹配的其他字符或范围。

[^a-z]：这个变量匹配不在 a 到 z 范围内的任何字符。请注意，字符 ^ 用来否定字符范围，它在方括号内的含义与它的方括号外表示开始的含义不同。

[a-z]*：表示一个字符范围，匹配从 a 到 z 的任何字符 0 次或多次。

[a-z]+：表示一个字符范围，匹配从 a 到 z 的任何字符 1 次或多次。

.：匹配任意一个字符。

\.：表示句点字符。请注意，反斜杠用于转义句点字符，因为句点字符在正则表达式中具有特殊含义。还要注意，在许多语言中，你需要转义反斜杠本身，因此需要使用\\.。

$：表示一个字符串或行的结尾。

题目要求拆解：

首先第一个字符必须是字符串形式的字母；后续的字符可以是字符串也可以是数字，后续同样也包括 "_""-""."的字符串。同时，要求完全匹配网站的域："@leetcode.com"

所以我们要用到的形式有：

重复匹配： 使用*、+、?等符号表示重复匹配的次数或范围；还有字符类 ：用方括号[]表示，匹配括号内的任意一个字符；元字符 ：具有特殊含义的字符，例如.、^、$。

要用到的方法有：

str.match(): 用于检查每个元素是否以指定的模式开头。

代码实现：

python 复制代码

import pandas as pd

def valid_emails(users: pd.DataFrame) -> pd.DataFrame:
    #注意："-"字符串有特殊的含义，要想把它作为字符串进行匹配，要放在字符的最前边或最后边
    #在正则表达式中@是一个特殊的字符，所以@leetcode要用转移符号框起来，最后用特殊连接符.将com连接，实现域的完全匹配。
    #第一个列表表示第一个字符匹配的区域，第二个带*的列表表示后续可以出现多次的字符串区域
    result=r'[a-zA-Z][a-zA-Z0-9_.-]*\@leetcode\.com'
    return users[users['mail'].str.match(result)]