雖然老套卻很好用本章介紹一些基本的郵件（雖然社交網路有很多優點，但是在未來的幾年中，郵件仍將是網際網路的主打產品）分析工具和技術，以回答以下問題：
誰傳送的郵件最多？
一天中是否存在某個特定的時間（或是一周中的某天），這時候發件人最可能收到對乙個問題的回覆？
幾個人之間，誰傳送的訊息最多？
討論最熱烈的話題是什麼？
雖然社交****積累了越來越多的準實時社交資料，但它還是存在重大的缺點。和email 不同，社交網路資料是由服務提供者集中管理的，服務提供者可以建立規則，規定訪問它的方式，以及你能做什麼、不能做什麼注1。另一方面，郵件資料主要是分 散管理的，它以富郵件列表的形式分散在web 上，是對一連串有趣話題的討論。如果你使用google 和yahoo! 這類服務提供商提供的服務來檢索郵件列表，它們就會限制郵件列表資料的使用，但可以用稍微簡單的方法來挖掘內容，這會提高成功率：可以通過訂閱列
趨勢。注1：
你可能已經猜到了，要想找到作為例證的真實的社交資料集並不容易（如果還能找到的話），但幸運的是，本章有最為真實的資料集：公開的enron 郵件資料集（http://www. cs.cmu.edu/~enron/ ）。
mbox：unix 的入門級郵箱（1）
假如你之前還沒有見過mbox 檔案，那麼我可以告訴你，從根本上說它是大型的串聯郵件訊息文字，很容易由基於文字的工具獲取。每封郵件的開頭都是由特殊的from_line 標記的，並將它格式化為"from [email protected] fri dec 25 00:06:42 2009" 模式，其中日期/時間戳是asctime（ ）格式，它是一種標準的固定長度的時間戳表示。
注意：mbox 格式是很常見的，大多數郵件客戶端都提供了「匯出」或者「另存為」選項，可以將資料匯出為此格式，而不關心底層實現。
在mobox 檔案中，兩封郵件之間的邊界是由兩個新行前面的（除了第一次出現）from_ line 決定的。示例3-1 是乙個虛構的mbox 的一小部分，它包含兩條訊息。
示例3-1 ：示例mbox 檔案的一小部分
但是可以證明mbox 中至少還存在另一封郵件，在示例3-1 中，我們可以看到兩封郵件。按時間先後來說，第一封郵件是由buddy 撰寫的，傳送給[email protected]. org ，告訴他玩具已經裝好了。mbox 中的另一封郵件是santa 對rudolph 的回覆。示例mbox 中沒有顯示的是一封中間郵件，rudolph 給santa **了buddy 的郵件，解釋了他遲到的原因。雖然我們可以通過閱讀這些郵件文字推斷出發生的事情，但是我們也可以從message-id 、references 和in-reply-to 標頭中得到重要線索。這些標頭非常直觀，為顯示執行緒化討論和那類事情的演算法提供了基礎。稍後我們會研究在「電子郵件執行緒化」中使用了這些欄位的乙個著名算 法，但是重點是每封郵件都有唯一的郵件id ，包含了對這封正在被回覆的確切郵件是乙個回覆的情況的引用，而且可以在答覆鏈中引用多封其他郵件，它們是正在進行的討論程序的一部分。
注意：除了使用一些python 模組來幹這些沒有技術含量的活之外，我們不會討論電子郵件訊息的相關細節，如多部分郵件、mime（ ）、7位內容傳輸編碼等。如果你想仔細研究一下的話，毫不費力就能找到全面涵蓋這些主題的極好的參考資料。
示例3-2 ：示例3-1 的訊息流
幸運的是，有很多可以做的，而你不必從根本上重新實現乙個郵件客戶端。而且，如果
你只是想要瀏覽郵箱，可以簡單地將它匯入到郵件客戶端並瀏覽它，對吧！雖然只是固定的套路，但也值得花一點時間來研究你的郵件客戶端是否有乙個「以mbox 格式匯入/ 匯出資料」的選項，這樣你才可以使用本章的工具來對它進行交叉分析。
python 提供了一些解析mbox 資料的基本工具，示例3-3 的指令碼介紹了一種將mbox 資料轉換為一系列json 物件的基本方法。
警告：請注意，示例3-3 的好幾個地方包含了decode('utf-8', 'ignore') 函式。當使用email 或網頁這些基於文字的資料時，由於特別的字元編碼，很容易會遇到臭名昭著的unicodedecodeerror ，發生了什麼或者如何解決這個問題通常並不明顯。簡略的回答是可以在任何字串值中執行decode() 函式，並且把它傳遞給第二個引數，該引數指定了在碰到unicodedecodeerror 時應該怎麼辦。預設值是'strict' ，它會引發異常，但是也可以根據需要使用'ignore' 或'replace' 來代替它。
示例3-3 ：將mbox 轉換為更為方便的json 結構（mailboxes_jsonify_mbox.py）
警告：從python 2.6.x 開始，jsonlib2 （可以通過easy_install 獲得）這類基於c語言的第三方模組要比標準庫模組快得多，但是python 2.7 附帶了與jsonlib2 這類模組等同的更新（http:// bugs.python.org/issue4136 ）。為了便於說明，就不多介紹在相當大的json 結構（大約為100mb ）使用標準庫和jsonlib2 之間的區別了。
這段指令碼解析出了email 中最相關的資訊，並構建出了可移植的json 物件。我們能做的還有很多，但是它解決了最常見的問題，包括解碼quoted-printable（qp ）文字（http:// en.wikipedia.org/wiki/quoted-printable ）和去除html 標籤的簡單機制。quopri 模組用於解決qp 格式，它是一種用於將8位內容轉換為7位通道的編碼注2。示例3-3 的簡略的示例輸出如示例3-4 所示。
示例3-4 ：來自示例3-1 的示例mbox ，由示例3-3 產生的示例json 輸出
入門級演算法
今天我想記錄的是一些關於入門級別的演算法。將乙個字串s對映為乙個整數，使得該整數可以唯一的代表字串s。先假設字串均由大寫字母a z構成，不妨設a z為0 25，即將26個大寫字母對應到了二十六進製制中。按照將二十六進製制轉換為十進位制的思路，即可實現將字串對映為整數的需求。題目 給出n個字串 恰好由...
線段樹的入門級
線段樹是一種二叉搜尋樹，與區間樹相似，它將乙個區間劃分成一些單元區間，每個單元區間對應線段樹中的乙個葉結點。對於線段樹中的每乙個非葉子節點 a,b 它的左兒子表示的區間為 a,a b 2 右兒子表示的區間為 a b 2 1,b 因此線段樹是平衡二叉樹，最後的子節點數目為n，即整個線段區間的長度。使用...
ansible的入門級使用
author headsen chen date 2018 08 02 11 46 35 yum install epel release yum y install ansible 另一種安裝方法 yum y install epel release yum y install python36 ...