Python的几个文字处理技巧

1、如果获取邮件地址？

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、使用证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：



n234f@mypdx.com



其中前半部分的名称都是数字和字母的组合，现在我们使用证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