1. 正则表达式基础

1.1. 简单介绍

正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。

下图展示了使用正则表达式进行匹配的流程： 

正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解的，看下图中的示例以及自己多使用几次就能明白。

下图列出了Python支持的正则表达式元字符和语法：   

1.2. 数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。例如：正则表达式"ab*"如果用于查找"abbbc"，将找到"abbb"。而如果使用非贪婪的数量词"ab*?"，将找到"a"。

1.3. 反斜杠的困扰

与大多数编程语言相同，正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

1.4. 匹配模式

正则表达式提供了一些可用的匹配模式，比如忽略大小写、多行匹配等，这部分内容将在Pattern类的工厂方法re.compile(pattern[, flags])中一起介绍。

2. re模块

2.1. 开始使用re

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

re.compile(strPattern[, flag]):

这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可以使用按位或运算符'|'表示同时生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile('pattern', re.I | re.M)与re.compile('(?im)pattern')是等价的。 
可选值有：

• re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
• M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
• S(DOTALL): 点任意匹配模式，改变'.'的行为
• L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
• X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

re提供了众多模块方法用于完成正则表达式的功能。这些方法可以使用Pattern实例的相应方法替代，唯一的好处是少写一行re.compile()代码，但同时也无法复用编译后的Pattern对象。这些方法将在Pattern类的实例方法部分一起介绍。如上面这个例子可以简写为：

re模块还提供了一个方法escape(string)，用于将string中的正则表达式元字符如*/+/?等之前加上转义符再返回，在需要大量匹配元字符时有那么一点用。

2.2. Match

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

属性：

1. string: 匹配时使用的文本。
2. re: 匹配时使用的Pattern对象。
3. pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
4. endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
5. lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
6. lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：

1. group([group1, …]): 
   获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
2. groups([default]): 
   以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
3. groupdict([default]): 
   返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
4. start([group]): 
   返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
5. end([group]): 
   返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
6. span([group]): 
   返回(start(group), end(group))。
7. expand(template): 
   将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

2.3. Pattern

Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。

Pattern不能直接实例化，必须使用re.compile()进行构造。

Pattern提供了几个可读属性用于获取表达式的相关信息：

1. pattern: 编译时用的表达式字符串。
2. flags: 编译时用的匹配模式。数字形式。
3. groups: 表达式中分组的数量。
4. groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

实例方法[ | re模块方法]：

1. match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]): 
   这个方法将从string的pos下标处起尝试匹配pattern；如果pattern结束时仍可匹配，则返回一个Match对象；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。 
   pos和endpos的默认值分别为0和len(string)；re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。 
   注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符'$'。 
   示例参见2.1小节。
2. search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]): 
   这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；若无法匹配，则将pos加1后重新尝试匹配；直到pos=endpos时仍无法匹配则返回None。 
   pos和endpos的默认值分别为0和len(string))；re.search()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。 
   
   ?

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

   # encoding: UTF-8 import re   # 将正则表达式编译成Pattern对象 pattern = re.compile(r'world')   # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None # 这个例子中使用match()无法成功匹配 match = pattern.search('hello world!')   if match:     # 使用Match获得分组信息     print match.group()   ### 输出 ### # world

3. split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 
   按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数，不指定将全部分割。 
   
   ?

   1 2 3 4 5 6 7

   import re   p = re.compile(r'\d+') print p.split('one1two2three3four4')   ### output ### # ['one', 'two', 'three', 'four', '']

4. findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]): 
   搜索string，以列表形式返回全部能匹配的子串。 
   
   ?

   1 2 3 4 5 6 7

   import re   p = re.compile(r'\d+') print p.findall('one1two2three3four4')   ### output ### # ['1', '2', '3', '4']

5. finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 
   搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。 
   
   ?

   1 2 3 4 5 6 7 8

   import re   p = re.compile(r'\d+') for m in p.finditer('one1two2three3four4'):     print m.group(),   ### output ### # 1 2 3 4

6. sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]): 
   使用repl替换string中每一个匹配的子串后返回替换后的字符串。 
   当repl是一个字符串时，可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。 
   当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 
   count用于指定最多替换次数，不指定时全部替换。 
   
   ?

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

   import re   p = re.compile(r'(\w+) (\w+)') s = 'i say, hello world!'   print p.sub(r'\2 \1', s)   def func(m):     return m.group(1).title() + ' ' + m.group(2).title()   print p.sub(func, s)   ### output ### # say i, world hello! # I Say, Hello World!

7. subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]): 
   返回 (sub(repl, string[, count]), 替换次数)。 
   
   ?

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

   import re   p = re.compile(r'(\w+) (\w+)') s = 'i say, hello world!'   print p.subn(r'\2 \1', s)   def func(m):     return m.group(1).title() + ' ' + m.group(2).title()   print p.subn(func, s)   ### output ### # ('say i, world hello!', 2) # ('I Say, Hello World!', 2)

以上就是Python对于正则表达式的支持。熟练掌握正则表达式是每一个程序员必须具备的技能，这年头没有不与字符串打交道的程序了。笔者也处于初级阶段，与君共勉，^_^

另外，图中的特殊构造部分没有举出例子，用到这些的正则表达式是具有一定难度的。有兴趣可以思考一下，如何匹配不是以abc开头的单词，^_^

全文结束

一直以来对于Python下的网络抓包库很疑惑，搞不清楚pylibpcap、pypcap、pycap这些库之间是什么关系，混沌了很长时间，在网上G了很久慢慢搞清楚了，其实这些都是libpcap的Python绑定实现，libpcap才是真正的核心。

pylibpcap

在http://pypi.python.org/pypi/pylibpcap/0.6.2登记，得分11

主页 http://pylibpcap.sourceforge.net/

最后更新 Jan 26 2008

Pcapy

2003年开始，更新到March 27, 2007

在http://pypi.python.org/pypi/pcapy/0.10.2上有登记，得分16

主页在http://oss.coresecurity.com/projects/pcapy.html

最后更新 March 27, 2007

pypcap

http://code.google.com/p/pypcap/

http://www.monkey.org/~dugsong/pypcap/

更新日期为 Jan 2007

pycap

http://pycap.sourceforge.net/

Author：Mark Rowe

比较老，依赖libnet发包

相对而言，目前pypcap和pylibpcap比较流行，特别说一下pypcap在Linux上的编译安装时，首先用python setup.py config配置编译环境，然后使用python setup.py build或install进行编译安装。

顺便提一句，结合pypcap和dpkt进行网络抓包分析，将非常方便，下面是一个典型的范例（抓取80端口TCP包）：

import pcap

import dpkt

pc=pcap.pcap()

pc.setfilter('tcp port 80')

for ptime,pdata in pc:

print ptime,pdata

p=dpkt.ethernet.Ethernet(pdata)

if p.data.__class__.__name__=='IP':

ip='%d.%d.%d.%d'%tuple(map(ord,list(p.data.dst)))

if p.data.data.__class__.__name__=='TCP':

if p.data.data.dport==80:

print p.data.data.data

    最近有一个项目需要分析数据包！我想用python来写这个分析器，查找了一下python的抓包库。原来在winxp下一般是使用pypcap。可官方没有python2.7版，于是自己编译一个，发现错误很多，不过还算成功了！于是做下笔记，大家一起学习！

• 首先安装MinGW； 
  
• 把MinGW的路径添加到环境变量path中，比如MinGW安装在D:\MinGW\中，就把D:\MinGW\bin添加到path中；
• 下载winpcap的开发包：http://www.winpcap.org/install/bin/WpdPack_4_1_2.zip并解压出来记下路径
• 下载pypcap源码：http://pypcap.googlecode.com/files/pypcap-1.1.tar.gz并解压出来
• 修改makefile，主要是以下内修，去除CONFIG_ARGS前的#并把winpcap的开发包路径写上，例如：

  CONFIG_ARGS = --with-pcap=E:\\WpdPack

  然后在$(PYTHON) setup.py build 后面加上 --compiler=mingw32

• 执行make命令，如果出现了 cc1.exe: error: unrecognized command line option '-mno-cygwin'那么请参照http://vipscu.blog.163.com/blog/static/1818083722011111473432847/给的方法，在 python目录下，例如C:\Python27\Lib\distutils\cygwinccompiler.py，把-mno-cygwin去掉即可！

  7.执行完make 后，就执行make install 安装，执行make pkg_win32打包！

似乎现在好少人会用telnet上BBS了。但是有些地方（比如水木年华）还保留了古老的BSS。这次我们用BBS看机器人大战。

 telnet towel.blinkenlights.nl

/*
 *create by 元谷 <lifulinghan@aol.com> on 2012-1-20
*/
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#define LIST_INIT_SIZE  100 //the table of size
typedef struct{
	int* elem;
	int len;
	//int size;   //size=(100*4)/sizeof(int);
}List;
//print the list
int PrintList(char *str,List list){
	if(str!=NULL) printf("%s",str);
	int i;
	for(i=0;i<list.len;i++){
		printf("%d ",*(list.elem+i));
	}
	printf("\n");
}
List NewList(){
	List list;
	list.elem=(int*)malloc(LIST_INIT_SIZE*sizeof(int));
	if(!(list.elem)) return ;
	list.len=0;
	return list;
}
void AddElems(List* list,int* elems,int n){
	//本来想写一个自动排序添加的，这里就表示一下吧
	list->len=n;
 	memcpy((void*)list->elem,(const void*)elems,n*sizeof(int));
	
}
int main(){
	//init lista and listb
	List ListA,ListB;
	ListA= NewList();
	int arraya[4]={3,5,8,11};
	AddElems(&ListA,arraya,4);
	ListB=NewList();
	int arrayb[7]={2,6,8,9,11,15,20};
	AddElems(&ListB,arrayb,7);
	
	
	PrintList("ListA: ",ListA);
	PrintList("ListB: ",ListB);
	//init listc
	List ListC;
	ListC=NewList();
	int *lasta,*lastb;  //the last num of lista and listb
	int *pa,*pb,*pc;  
	lasta=ListA.elem+ListA.len-1;
	lastb=ListB.elem+ListB.len-1;
	pa=ListA.elem;pb=ListB.elem;pc=ListC.elem;
	while(pa<=lasta&&pb<=lastb){
		switch((*pa-*pb)==0?0:(*pa-*pb)/abs(*pa-*pb)){
		case 1:	*pc++=*pb++; ListC.len++; break;
		case -1: *pc++=*pa++; ListC.len++; break;
		case 0: *pc++=*pa++; *pb++;  ListC.len++; break;	
		}

	}
	while(pa<=lasta){*pc++=*pa++; ListC.len++;} 
	while(pb<=lastb) {*pc++=*pb++; ListC.len++; }
	PrintList("ListC: ",ListC);
	//释放申请的内存，做到有借有还
	free((void*)ListA.elem);
	free((void*)ListB.elem);
	free((void*)ListC.elem);

	return 1;


}

    最近，在一个网友的鼓励下，研究起了rtmp协议！可是刚看到握手我纠结了！我真的不明白等 c0 c1再 发送s0 s1之类的术语！后来认真的看了一下才明白了！三次握手大致是这样的：

C->S发送0x03开头的1+1536字节（1536字节表示前8个字节表示两个时间戳，第一个时间戳可以为0或者随机值，第二个必须全为0，余下的1528个字节随机的）
S->C发送0x03开头的1+1536+1536字节，第二个1536字节为客户端发送的1536字节（）
C->S发送1536字节,服务器回应的第一个1536字节
至此,握手结束,开始协议内容

  package main
    import fmt "fmt"
    func 输出函数(s string) {
    fmt.Printf(s)
    }
    func main() {
    fmt.Printf("Hello, 中文\n")
    变量 := "传说中的中文编程\n"
    输出函数(变量)
    }

我用的gccgo编译的，感觉比8g8l好用得多了！

[lifulinghan@linux ~]$ gccgo test.go
[lifulinghan@linux ~]$ ./a.out
Hello, 中文
传说中的中文编程

大家都知道fredora官方软件源没有totem，甚至连mplayer都没有，那怎么办？用第三方软件源！

安装方法参考：http://rpmfusion.org/Configuration

fedora命令安装方法（适用于fedora14到16 的版本）

su -c 'yum localinstall --nogpgcheck http://download1.rpmfusion.org/free/fedora/rpmfusion-free-release-stable.noarch.rpm http://download1.rpmfusion.org/nonfree/fedora/rpmfusion-nonfree-release-stable.noarch.rpm'

用editplus时，用“另存为...”保存文件时，可以手工选择编码类型：ANSI、Unicode、UTF-8等。在用VIM时如何设置文件的编码类型呢。在vim中，缺省情况下都会按ANSI方式保存，有时我们用vim编写一些jsp文件时，一不小心，就容易犯错误了，因为在我们的开发团队中，是统一使用utf-8编码的，如果用ansi方式保存了，在网页的显示时就会出现乱码问题。

所以如果不清楚自己的缺省编码设置，可以手工输入设置命令：
:set fileencoding=utf-8

然后再保存就行了：
:w

这样无论之前的编码是什么，都会转换成utf-8保存。

如果希望缺省保存方式就是utf-8，就需要在_vimrc中加入以下设置：

set encoding=utf-8
set fileencoding=utf-8
set fileencodings=ucs-bom,utf-8,chinese

把这三行放在_vimrc的最开始的位置比较好。

取消高亮:

:set nohls