PostgreSQL：匹配带或不带子域的电子邮件地址

问题描述

场景

在其历史的大部分时间里，我的公司在电子邮件地址中使用子域，主要是按州，但其他公司则使用部门子域。我们所拥有的一些示例包括：

mo.widgits.com
sd.widgits.com
va.widgits.com
nhq.widgits.com
gis.widgits.com
tech.widgits.com

...等等。

新范式

几年前，高层管理人员决定希望我们都成为一个幸福的家庭；作为这种文化调整的一部分，他们将每个人的电子邮件地址更改为单一域，格式为 [e-mail]。

目前的挑战

在我们的许多公司数据库中，我们发现混合使用旧格式和新格式的记录。例如，同一个人可能在员工系统中有 [e-mail]，在培训系统中有 [e-mail]。我需要在各种系统中匹配个人，而不管该系统中为他们使用哪种格式的电子邮件。

想要的匹配

[e-mail] = [e-mail] -> true
[e-mail] = [e-mail] -> true
[e-mail] = [e-mail] -> false

如何做到这一点？

是否有正则表达式模式可以用来匹配电子邮件地址，而不管它们是哪种格式？或者我是否需要在尝试匹配子域之前手动提取子域？

解决方法

在我看来，您可以在比较之前从所有电子邮件地址中去除子域（即，仅比较电子邮件名称和域）。像这样：

SELECT *
FROM emails
WHERE REGEXP_REPLACE(email1,'^(.*@).*?([^.]+\.[^.]+)$','\1\2') =
      REGEXP_REPLACE(email2,'\1\2');

Demo

数据：

WITH emails AS (
    SELECT '[e-mail]' AS email1,'[e-mail]' AS email2 UNION ALL
    SELECT '[e-mail]','[e-mail]' UNION ALL
    SELECT '[e-mail]','[e-mail]'
)

这里是对使用的正则表达式模式的解释：

^                   start of the email
    (.*@)           match email name including @ in \1
    .*?             consume content up,but not including
    ([^.]+\.[^.]+)  final domain only (e.g. google.com)
$                   end of the email

然后，我们替换为 \1\2 以有效删除任何子域组件。

,

这样的事情怎么样？

SELECT 
  * 
FROM 
  (
    SELECT 
      table1.email,table2.email,SPLIT_PART(table1.email,'@',1) AS table1_username,SPLIT_PART(table2.email,1) AS table2_username,2) AS table1_domain,2) AS table2_domain 
    FROM 
      table1 CROSS 
      JOIN table2
  ) S 
WHERE 
  (
    table1_username = table2_username 
    AND (
      table1_domain like '%.' || table2_domain 
      OR table2_domain like '%.' || table1_domain
    )
  );