import subprocess
res =subprocess.Popen(['uname','-sv'],stdout=subprocess.PIPE)
uname = res.stdout.read().strip()
find()和index()::
uname,index('Linux')
uname.find('Linux')
uname.index('asdfasdf')
uname.find('adfasdfasd')
#字符串切分
smp_index = uname.index ('SMP')
uname[smp_index:]
uname[:smp_index]
startswith()和endswith()
这两个方法可以帮助你判断字符串时是否以某一特定子串开始，或是以某一特定子串结束。
some_string = "RaymondLuxury-Yacht"
some_string.startswith("Raymond")
True
some_string.startswith("sdfasdf")
False
some_string.endswith("Luxury-Yacht")
True
some_string.endswith("Raymond")
False
lstrip(),rstrip(),strip()
分别用来删除前导空白，结尾空白，和前后空白的方法。
spacious_string= "\n\t SomeNon-Spacious Text \n \t \r"
spacious_string.lstrip()
spacious_string.rstrip()
spacious_string.strip()
另外可以输入参数删除任何内容。
xml_tag="<some_tag>"
xml_tag.lstrip("<")
xml_tag.lstrip(">")
xml_tag.rstrip("<")
xml_tag.rstrip(">")
嵌套使用，xml_tag.strip("<").strip(">")
xml_tag.strip("<>")
.strip 是删除<>的任意组好即><也将被删除
foo_str ="<foooooooooooo>blah<foo>"
foo_str.strip("<foo>")
upper（）方法和lower（）方法
对两个字符串进行比较，并且不考虑字符大写或是小写。
upper()将返回字符串的大写。
lower()将返回字符串的小写。
根据某个指定的分隔符对一个字符串进行提取，split()方法可以完成类任务。
comma_delim_string ="pos1,pos2,pos3"
pipe_delim_string ="pipepos1|pipepos2|pipepos3"
comma_delim_string.split(',')
pipe_delim_string.split('|')
split(',',1) 以','为分割，之分割第一个遇到的'，'
prosaic_string = "Isert your cleverlittle"
prosaic_string.split()#这个默认是用空格来分隔的。
prosaic_string.splitlines()#将会以行为分隔。
join()
some_list = ['one','two','three','four']
','.join(some_list)
','.join(str(i)for i in some_list)#解决输入为数字的错误，显示转换为字符。
replace()替换字符串。
replacable_string = "trancendtalhibernational nation"
replacable_string.replace("nation","natty")
import re#引入正则表达式的使用。
re_string = r"{{(.*?)}}"
some_string = "this is a string with`words` em `bbq`and {jjfa} "
for match inre.findall(re_string,some_string):
print"MATCH->" ,match
表达式转换为对象的编译：
import re
re_obj = re.compile(r"{{(.*?)}}")
some_string = "this is a string with`words` em `bbq`and {jjfa} "
for match in re_obj.findall(some_string):
print"MATCH->" ,match
这种方式速度会很快，
例：
采用timeit 可以测试出一段代码的运行时间。
1截取一段50万行的文本
tail -n 500000 Pa1.log >> 50Wlog.log
编写代码：re_loop_nocompile.py
在ipython下运行
import re_loop_nocompile
timeit -n 5 re_loop_nocompile.run_re()
显示最好的运行效率。1.42 最佳的。
使用linux的time工具对相同代码的测试结果：
测试命令为：
time python re_loop_nocompile.py
编译后的代码性能：
re_loop_compile.py
效率提升至543ms
所以应当在运行正则中使用编译的方式。
在运行正则表达式中r的作用如下例：
import re
raw_pattern = r'\b[a-z]+\b'
non_raw_pattern = '\b[a-z]+\b'
some_string = 'a few little words'
re.findall (raw_pattern , some_string)
re.findall (non_raw_pattern,some_string)
findall()使用：
import re
re_obj = re.compile(r'\bt.*?e\b')
re_obj.findall("time tame tune tinttire")
处理文件：
infile =open("50Wlog.log","r")
print infile.read()
"r"读模式，该值为默认值
"w"写模式
"a"附加模式
写入文件：
outputfile =open("foo_out.txt","w")
outputfile.write("This is \n Some \nRandom \n Output Text \n")
outputfile.close()
"try/finally"代码块
try:
f=open()
f.write()
finally:
f.close()
with 关键词：
from __future__ import with_statment
with open('writeable.txt','w')as f:
f.writer('thisa writeable file \n')
f
f.write("this won't work")
urllib模块，可以提供对网络中文件对象的访问。
import urllib
url_file = urllib.urlopen("http://192.168.112.96/index.html")
urllib_docs = url_file.read()
print urllib_docs
使用ElementTree开始解析XML文件，只须简单的加载和使用parse()对文件进行处理：
from xml.etree import ElementTree as ET
tcusers = ET.parse("Tomcat.xml")
tcusers
xml 以文件名标签开始，并以文件名标签截至。
这里将ElementTree as ET即为前面的对象。
first_user=tcusers.find('/user')
first_user
first_user.attrib
first_user.get('name')
first_user.get('roles')
first_user.get('foo')
first_user.tag
first_user.text
