Коррекция синтаксиса емейл адресов
Не секрет, что Advanced Email Extractor может извлечь некорректные адреса с веб страниц. Это связано с тем, что адрес может быть написан с ошибкой или с использованием некорректных тегов, или же используется шифровка/защита от спама.
Пример результата работы функции корректировки синтаксиса в списке рассылки
SRC 11: jpiracy@adobe.comjB NEW 11: jpiracy@adobe.com SRC 467: "Mr. Potter" <potter@port.com"> NEW 467: "Mr. Potter" <potter@port.com> SRC 724: "martyb" <martyb@ultraint.com%20(train%20to%20trane)> NEW 724: "martyb" <martyb@ultraint.com> SRC 733: "MAXOMENOS" <maxomenos@SPAM=DEATH.hushmail.com> NEW 733: "MAXOMENOS" <maxomenos@hushmail.com> SRC 743: tycho@penny-arcade.com,gabriel@penny-arcade.com NEW 743: tycho@penny-arcade.com SRC 772: krodim@hotmail.comt NEW 772: krodim@hotmail.com SRC 1263: "info@spinnaker.co.jp" <//info@spinnaker.co.jp> NEW 1263: "info@spinnaker.co.jp" <info@spinnaker.co.jp> SRC 2267: "Laurent Clevy" <lclevy@club-internet.fr@subject=[ADF_FAQ]> NEW 2267: "Laurent Clevy" <lclevy@club-internet.fr> SRC 2480: "guylhem@metalab.unc.edu" <guylhem@LDP_NO_SPAM.metalab.unc.edu> NEW 2480: "guylhem@metalab.unc.edu" <guylhem@metalab.unc.edu> SRC 3955: "abuse@ihateclowns.com" <abuse@ihateclowns.com,rodneyb@ihateclowns.com> NEW 3955: "abuse@ihateclowns.com" <rodneyb@ihateclowns.com> SRC 4083: abuse@bfp.net) NEW 4083: abuse@bfp.net SRC 4229: (djackson@aol.net) NEW 4229: djackson@aol.net SRC 11832: "Daniel Stenberg" <daniel_at_haxx.se> NEW 11832: "Daniel Stenberg" <daniel@haxx.se> SRC 13550: "lena@lenagames.com" <Lena%20Games> NEW 13550: "Lena Games" <lena@lenagames.com> SRC 19699: mailto:kurtcpa@bright.net NEW 19699: kurtcpa@bright.net SRC 19846: "JAMM <mike.gole@sun.com>" <JAMM%20<mike.gole@sun.com>> NEW 19846: "JAMM <mike.gole@sun.com>" <mike.gole@sun.com>
В этом примере мы рассмотрели фактически все возможные ошибки, которые могут встретится при сборе емейл адресов с веб страниц. Как видно, MLW справился с 95% из них! Почему не со всеми, спросите вы? Увы, но искусственный интеллект еще не изобретен...
Рассмотрим результат работы. Каждая строка содержит трехбуквенный код (SRC - что было, NEW - что стало, INV - не удалось понять, как это восстанавливать).
Мастер настроек предлагает следующие опции:
- Удалять строку ?subject= из списка.
И действительно, зачем нам тема письма по умолчанию?
- Add mailbox (user-defined) to domains with no mailbox.
Некоторые адреса в списке могут и не содержать имени почтового ящика, но зато содержат имя домена:NetSoap <netsoap.com> Jane Smith <http://www.jsmith.com> mycorp.net Sergio <mailto:sergio.com>
MLW не может восстановить это имя из несуществующих данных. Поэтому, если эта опция включена, то в качестве имени будет использованы данные, которые вы укажете, например info. И как результат вы получите вот это:
NetSoap <info@netsoap.com> Jane Smith <info@jsmith.com> info@mycorp.net Sergio <info@sergio.com>
- Remove user-defined substring.
Не раз замечали, что некоторые емейл адреса содержат какую нибудь абсолютно ненужную строчку в имени? Вот именно эта опция позволяет зачищать такие емейл адреса, приводя их в божеский вид.
- Recovery emails by known domains list.
Эта опция позволяет восстанавливать неполные емейл адреса, у которых имя домена является неполным, пытаясь определить по первой строке домена, что надо точно подставить. Например mike@hotmail, jane@aol станут mike@hotmail.com and jane@aol.com. Вы можете формировать свой собственный список частых доменов.
- Remove known 'REMOVEIT' substrings.
Эта опция вычищает наиболее частые замены в емейлах, таких как mikeREMOVEIT@hotmail.com и jane@NOSPAMaol.com.
- Verify emails by first-level domains list.
Эта опция позволяет убирать из списков рассылки домены, которые не могут существовать в принципе, например - hahaha@dont.spam, someone@invalid.address. Если вы не используете эту опцию, то настоятельно рекомендуется использовать Advanced Maillist Verify и High Speed Verifier для проверки полученых адресов.
- Remove unrestored addresses.
Если эта опция отключена, то адреса не поддающиеся восстановлению будут также сохранены в результирующий файл.