工资条邮件发错人？一个脚本清洗邮箱列：去空格、统一小写、格式校验、去重

2026-10-06 · 喵窝资源铺

发工资条、发通知，邮箱列往往是各部门 Excel 拼起来的，脏得五花八门：" [email protected] " 前后带空格、[email protected] 大小写不一（同一个人换个写法就成了两个人）、wang#example.com 把 @ 打成了 #、sunba 忘了域名。SMTP 群发对这些毫无抵抗力——格式错的直接报错中断，重复的发两遍。这篇给一个 30 行脚本一遍过：去空格 → 统一小写 → 正则校验 → 按邮箱去重，脏行带行号挑进报告，绝不混进结果。代码实跑验证，真实输出贴在下面。

输出长什么样

构造一份 8 行的联系人流水：正常邮箱、带空格的、大写的、重复的（张三出现两次，一次带空格一次不带）、# 代替 @ 的、邮箱内部含空格的、缺域名的，外加一个空行。跑完：

清洗完成：有效 3 条，剔除 4 条
  - 第4行 张三: 与第2行重复，跳过
  - 第5行 王五: 邮箱「wang#example.com」格式非法
  - 第7行 赵六: 邮箱「zhaoliu@ outlook.com」格式非法
  - 第9行 孙八: 邮箱「sunba」格式非法

姓名,邮箱
张三,[email protected]
李四,[email protected]
钱七,[email protected]

三个全对：张三的 " [email protected] " 和 [email protected] 归一后去重，只留一条；大写的 [email protected] 归一成小写；4 条脏邮箱全部带行号和原因挑出。修完 openpyxl/写出去掉多余时间戳后连跑两次 md5 一致（纯 CSV 写入本来就没有隐藏时间戳，这里顺手验证）。

完整脚本

# -*- coding: utf-8 -*-
"""清洗邮箱列：去空格、统一小写、正则校验、按邮箱去重，脏行挑进报告不混进结果。"""
import sys, csv, re

src, dst = sys.argv[1], sys.argv[2]
EMAIL = re.compile(r'^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$')

rows, bad = {}, []
with open(src, encoding="utf-8-sig") as f:          # utf-8-sig：兜住Excel导出的BOM
    for i, row in enumerate(csv.reader(f), 1):
        if i == 1 or not any(c.strip() for c in row):   # 跳表头和整行空白
            continue
        name, mail = (row + ["", ""])[:2]           # 短行补空列，不炸
        m = mail.strip().lower()
        if not EMAIL.match(m):
            bad.append(f"第{i}行 {name or '(空姓名)'}: 邮箱「{mail or '(空)'}」格式非法")
            continue
        if m in rows:
            bad.append(f"第{i}行 {name}: 与第{rows[m][0]}行重复，跳过")
            continue
        rows[m] = (i, name.strip())

with open(dst, "w", newline="", encoding="utf-8-sig") as f:
    w = csv.writer(f)
    w.writerow(["姓名", "邮箱"])
    for m, (i, n) in rows.items():
        w.writerow([n, m])

print(f"清洗完成：有效 {len(rows)} 条，剔除 {len(bad)} 条")
for b in bad:
    print("  -", b)

用法：python mail_clean.py 联系人.csv 清洗结果.csv。输入是 Excel 就先另存为 CSV（或用 openpyxl 读，逻辑不变）。

踩到的 3 个真坑

1. BOM：Excel 导出的 CSV 必须用 utf-8-sig 读。直接 encoding="utf-8" 的话，第一列名会变成 \ufeff姓名，表头判断静默失效；写出侧也用 utf-8-sig，别的程序打开才不带乱码。这是老坑，但每次从 Excel 拿文件都会再中一次。
2. strip() 救不了邮箱内部的空格。zhaoliu@ outlook.com 是 @ 后面多了个空格——strip 只管两头，正则校验会正确拦下它（因为 [A-Za-z0-9.-] 不含空格）。重点是别试图「帮忙修」，邮箱内部错法千奇百怪，脚本只负责挑出来让人改，替用户猜怎么改反而改错。
3. 按邮箱去重还是按人去重，先定口径。同一个人有两个邮箱（工作+私人）按邮箱算两条，是对的；但张三/张三 张三 这种同名不同邮箱是不是同一人，脚本不知道。本文默认按邮箱去重（邮箱是发信的键，重复邮箱必然重复发信），姓名只做展示不参与判定。如果你要按「姓名+邮箱」去重，把 rows[m] 的键改成 (n, m) 即可。

口径提醒：[A-Za-z0-9._%+-]+@... 这套正则是「够用版」，能拦住缺域名、@打成#、含空格这些真会被 SMTP 拒收的错误，但不做 RFC 5322 级别的严格校验——那个正则要写一页纸，而且对发邮件没额外收益。

相关阅读：工资条批量发邮件（缺邮箱/格式错自动挑出） · 身份证号批量提取去重 · 打卡记录按关键列去重

← 喵窝资源铺首页 · 全部文章