Python的幾個文字處理小技巧

 一直以來，Perl都是以特強的文字處理功能著稱，其實Python在這方面也相當不錯。最近在項目中用到不少Python可圈可點的東西，在這里大概列一下，權當自己的Python Tips。

1、如果獲取郵件地址？
我們分析郵件的時候，從From和To頭信息中會提取到類似“DIrk Ye ”的郵件地址，如果我們需要只保留完整的EMail地址，可能需要正則表達式來提取，由于郵件格式的多樣性，可能比較麻煩。Python提供了一個工具函數，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確定文件的擴展名：
在郵件分析中，經常會碰到沒有指定文件名或者擴展名的附件，我們可以根據附件的MimeType來猜測其應有的擴展名：

import mimetypes

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

另外，mimetypes.types_map中包含了所有運行系統可識別的MimeType，如果沒有你期望的類型，可以通過mimetypes.add_type(’audio/midi’, ‘.mid’)方法來添加自己的東西，甚至可以作出修改。

3、使用證則表達式從字符串中提取指定的模式：
Python的正則表達式也是非常強大的，有搜索、匹配、抽取等。有時候抽取是有點麻煩但非常有用的功能。假設我們會有大量的文本類似：

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

其中前半部分的名稱都是數字和字母的組合，現在我們使用證則表達式抽取名字部分：

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在文字處理方面還有很多特點，我只能把用到的東西列一下。有不少專門講解Python相關東西的書籍，有的還是免費的；比如專門講解Python文本處理的Text Processing in Python，實用而精彩，而另外一本Python Cookbook也是相當不錯的讀物，現在已經有第二版了，覆蓋了Python2.3、2.4的新特性；去Python主站看看有什么適合你的書：http://wiki.python.org/moin/PythonBooks

Python Cookbook相關的兩篇文章：

Cooking with Python, Part 1
Cooking with Python, Part 2

原文轉自：http://www.kjueaiud.com