【工具】diff/patch 常用选项 使用 FreeBSD 默认的 csh 替代 bas...
七月 31

一直以来, Perl 都是以特强的文字处理功能著称,其实 Python 在这方面也相当不错。最近在项目中用到不少Python可圈可点的东西,在这里大概列一下,权当自己的Python Tips。

1、如何获取邮件地址?

我们分析邮件的时候,从From和To头信息中会提取到类似“DIrk Ye ”的邮件地址,如果我们需要只保留完整的EMail地址,可能需要正则表达式来提取,由于邮件格式的多样性,可能比较麻烦。Python提供了一个工具函数,可以方便的使用:

import email.Utils

def getCleanMailAddress(strAddr):
    emails = email.Utils.parseaddr(strAddr.lower())
    return emails[1]

2、利用Mimetypes确定文件的扩展名:

在邮件分析中,经常会碰到没有指定文件名或者扩展名的附件,我们可以根据附件的MimeType来猜测其应有的扩展名:

import mimetypes

def getFileExtension(strContentType):
    guessmimes = mimetypes.guess_all_extensions(strContentType)
    if guessmimes:
        return guessmimes[-1]
    else:
        return ''

另外,mimetypes.types_map中包含了所有运行系统可识别的MimeType,如果没有你期望的类型,可以通过mimetypes.add_type(‘audio/midi’, ’.mid’)方法来添加自己的东西,甚至可以作出修改。

3、使用正则表达式从字符串中提取指定的模式: Python的正则表达式也是非常强大的,有搜索、匹配、抽取等。有时候抽取是有点麻烦但非常有用的功能。假设我们会有大量的文本类似:

abcd@mypdx.com
aaaa@mypdx.com
n234f@mypdx.com

其中前半部分的名称都是数字和字母的组合,现在我们使用正则表达式抽取名字部分:

import re

def getUserName(strAddr):
    addr_re = re.compile('^([0-9a-z]+)@(.*)')
    unames = addr_re.search(strAddr)
    if unames is not None:
        return mptos.group(1)
    else:
        return ''

Python在文字处理方面还有很多特点,我只能把用到的东西列一下。有不少专门讲解Python相关东西的书籍,有的还是免费的;比如专门讲解Python文本处理的 Text Processing in Python ,实用而精彩,而另外一本 Python Cookbook 也是相当不错的读物,现在已经有第二版了,覆盖了Python2.3、2.4的新特性;去Python主站看看有什么适合你的书: http://wiki.python.org/moin/PythonBooks

Python Cookbook相关的两篇文章:

dirk 发表于 2009-07-31 星期五

0 Responses to “Python的几个文字处理Tips”

  1. 尚无评论

发表评论 »