Remover e-mails duplicados de uma lista ou de um CSV

Na prática não, por isso a ferramenta sempre ignora maiúsculas. Estritamente, a RFC 5321 diz que a parte antes do @ pode diferenciá-las, então Ana@ e ana@ poderiam, em teoria, ser caixas postais diferentes. A mesma seção diz que explorar isso "atrapalha a interoperabilidade e não é recomendado", e nenhum grande provedor de caixa postal faz isso. Na prática é uma pessoa só, e manter os dois significa mandar e-mail para ela duas vezes.

A parte do domínio não diferencia maiúsculas por definição, porque o DNS também não. Por isso a ferramenta sempre compara em minúsculas, e a opção do final só decide se o endereço mantido é escrito em minúsculas ou do jeito que apareceu primeiro.

Podem contar, e com a opção do Gmail ligada a ferramenta trata todos como um endereço só. O Google explica que os pontos não importam nos endereços do Gmail: [email protected] e [email protected] são a mesma caixa de entrada. O Gmail também entrega [email protected] em [email protected]. Com a opção ligada, todos viram uma linha só, e googlemail.com é tratado como gmail.com.

A opção vem desligada por um motivo. Tem gente que se cadastra com uma +tag de propósito, para filtrar ou rastrear o seu e-mail, e tirar a tag muda o endereço que a pessoa te deu. Se você está tirando duplicados para não enviar duas vezes, ligue a opção. Se está limpando uma lista para a qual vai enviar do jeito que está, respeite o endereço que cada pessoa escolheu e tire só os duplicados exatos.

A opção "ignore +tags on every domain" vai além e tem mais risco. Endereços com +, descritos como subendereços na RFC 5233, são uma convenção que muitos provedores seguem, mas nenhum é obrigado a seguir. Num servidor que não usa essa convenção, vendas+sp@ pode ser uma caixa postal totalmente diferente de vendas@.

No Excel, selecione a coluna de e-mail e use Dados, Remover Duplicatas. No Google Planilhas, use Dados, Limpeza de dados, Remover cópias. Nenhum dos dois apara espaços sobrando na comparação, então [email protected] e [email protected] com um espaço no final continuam como duas linhas (o Planilhas tem um passo separado, Cortar espaço em branco, para rodar antes), e nenhum dos dois sabe nada dos pontos do Gmail.

Uma fórmula resolve o problema dos espaços. No Excel para Microsoft 365 e no Google Planilhas em português, =ÚNICO(MINÚSCULA(ARRUMAR(A2:A1000))) devolve cada endereço uma vez, aparado e em minúsculas (com as funções em inglês, =UNIQUE(LOWER(TRIM(A2:A1000)))). Ela devolve só os endereços, então as outras colunas de cada linha se perdem. Enviando o CSV aqui, a primeira linha completa de cada endereço é mantida.

Só em parte. Tirar duplicados evita que alguém receba a mesma mensagem duas vezes e que você pague para verificar ou enviar o mesmo endereço duas vezes. Não resolve nada sobre endereços que não existem mais. Uma lista parada há um ano num CRM costuma ter uma parte de caixas postais mortas, e cada uma é um hard bounce esperando para acontecer.

Duplicados também dizem algo sobre a origem de uma lista. Uma lista juntada de várias exportações, ou raspada da web, costuma trazer muito mais deles, e essas mesmas listas costumam trazer mais endereços inválidos. Se esta ferramenta removeu muitas linhas, o próximo passo importa ainda mais: verificar a lista antes do primeiro envio.