'''
string에 substring이 있는지 확인하기
'''
#string1 = "I play the violin when I'm thinking and sometimes I don't talk for days on end."
string1 = "It's good news for breathing."
'good' in string1 # string1에 'good'이라는 substring이 있냐

'''
spilt 함수 를 사용하여 공백을 기준으로 나누기
'''
string1.split()

'''
split한 결과에서 특정 단어가 어느 인덱스에 있는지 찾기
'''
string1.split().index('good')

'''
slicing으로 특정 인덱스의 문자에 접근
'''
string1[-7:]

'''
split한 결과에서의 특정 인덱스에 있는 단어가 뭐냐
'''
string1.split()[4]

string1.split()[3][::-1] # split한 결과의 3번째 인덱스에 있는 단어를 reverse해라

'''
파이썬은 유니코드를 지원하기 때문에 별도의 처리 없이 한글을 다룰 수 있다.
'''
string2 = '호떡 먹고 싶다 호떡 호떡'

'호떡' in string2

string2.split()

string2.split()[0] # split한 결과의 0번째 인덱스에 있는 원소가 뭐냐

'''
텍스트에 존재하는 단어들의 통일성에 신경을 써야 처리가 편하다. 
코퍼스의 전반적인 정규화/변환과정은 자연어를 처리할 때 꼭 필요하다.
'''
# s1 = 'I can always predict the fortune cookies 12 34 56'
s1 = 'The UK leant towards the US proposal.'
# UK와 US를 풀어쓰는 방식으로 바꿔주자.
s1_1 = s1.replace("UK", "United Kingdom").replace("US", "Untitled.ipynbnited States")
print(s1_1)

import re # 정규표현식ㅇ르 사용할 때 re 라이브러리를 불러와야 한다.

check1 = 'ab.'
# ab. -> ab하고 '.'부분에 문자가 하나라도 오냐
print("about 'abc': ", re.match(check1, 'abc')) 
print("about 'abc': ", re.match(check1, 'abcd')) 
print("about 'c': ", re.match(check1, 'c'))
print("about 'ab': ", re.match(check1, 'ab'))

import re
check2 = '[ㄱ-ㅎ]+' # ㄱ부터 ㅎ까지의 한글 자음이 나오고 그 뒤로 문자가 최소 하나 이상 오냐

# check2에 등록한 정규표현식에 걸리는 애를 찾아라
print(re.match(check2, 'ㅎ안녕'))
print(re.match(check2, '안녕ㅎ'))
# ㄱ-ㅎ에 걸리는 'ㅎ 안녕'에서 ㅎ이 걸렸다.
# 걸린게 없다

'''
compile을 쓴 버전과 안 쓴 버전의 속도 차를 확인해보자
'''
import re 
import time # 시간을 체크하기 위해 time을 불러온다.

text1 = 'abc def abg'

normal_start = time.time() # 시작
r1 = 'ab.'
for i in range(1001): # i를 1001번 돌린다.
    re.match(r1, text1) # text1이 ab어쩌고인지 확인해라
print("compile 안 쓴 버전: ", time.time() - normal_start) # 끝시간 - 시작시간

compile_start = time.time() # 시작
r2 = re.compile('ab.') # compile
for i in range(1001): # i를 1001번 돌린다.
    result = r2.match(text1) # re가 아니라 re.compile한 객체를 불러온다
print('compile 쓴 버전: ', time.time() - compile_start)

r1 = re.compile('ab.')

print("a에 대해 search: ",r1.search('a euosblkg abc'))
print("a에 대해 match: ",r1.match('a euosblkg abc'))

print("abhey에 대해 search: ",r1.search('jigdas abhey'))
print("abhey에 대해 match: ",r1.match('jigdas abhey'))

print("heyab에 대해 search: ",r1.search('det sryh heyab'))
print("heyab에 대해 match: ",r1.match('det sryh heyab'))

check2 = '[ㄱ-ㅎ | ㅏ-ㅣ]+'
print(re.search(check2, 'ㅎ안녕'))
print(re.match(check2, 'ㅎ안녕'))
print(re.search(check2, '안녕ㅎ'))
# match는 앞에서부터 차례로 체크하는데 처음부터 걸린게 없어서 None이 반환된다.
print(re.match(check2, '안녕ㅎ')) 

s1 = 'abc 1 d5ef 3 ccb 2 ca2d'
r1 = re.compile(' ') # compile을 사용하여 공백을 표현
print(r1.split(s1)) # 문자열 s1을 compile한 결과가 담긴 객채를 통해 split해준다.
# 공백을 기준으로 split될 결과가 반환된다.

r2 = re.compile('c')
print(r2.split(s1)) # 'c'를 기준으로 나눈다

r3 = re.compile('[0-9]')
print(r3.split(s1)) # 0-9 사이의 숫자를 기준으로 나눈다

s2 = '457758'
print(re.sub('[a-z]', '1', s1)) # s1에서 a-z에 포함된 것들을 모두 1로 바꿔라
print(re.sub('[a-z]', '1', s2)) # s2에서 a-z에 포함된 것들을 모두 1로 바꿔라

print(re.sub('[^a-z]', '1', s1)) # s1에서 a-z에 포함되지 않은 것들을 모두 1로 바꿔라
print(re.sub('[^a-z]', '1', s2)) # s2에서 a-z에 포함되지 않은 것들을 모두 1로 바꿔라

# [가-힣]는 모든 한글 자모 조합을 표현하는 정규표현이다.
# '안녕안녕'에서 해당 정규 표현식에 걸리는 게 있으면 다 1로 바꿔라
print(re.sub('[가-힣]', '1', '안녕안녕')) 
# '안녕안녕'에서 [가-힣]에 포함되지 않는 것만 1로 바꿔라
print(re.sub('[^가-힣]', '1', '안녕안녕')) 

print(re.findall('[\d]',s1)) # s1에서 숫자를 다 뽑아내라
# 해당 문자열에서 문자나 숫자가 아닌 걸 다 뽑아내라
print(re.findall('[\W]','1#sjspoen@%$^%&95736')) 

iter1 = re.finditer('[\d]',s1) # s1에서 숫자를 다 뽑아내라
print("iter1: ", iter1) # iter1을 출력해보면 iterator객체에 담겨있다고 나온다

for i in iter1: # iter1에 한번씩 방문하여 들어있는 걸 꺼내서 출력하자
    print("iter1에서 찾은 결과: ",i)

iter2 = re.finditer('[\W]', 'nkisdb3845$$^%&#')
print("iter2: ", iter2)

for i in iter2:
    print(i)

from konlpy.tag import Mecab