# 统计字串的出现次数
# .count() 方法返回特定的子串在字符串中出现的次数
import re


def count_example():
    str = "jalfjsalf;"
    n = str.count('a')
    print(n)
    # 可以看到python在处理这些操作时是十分简便的


# 去除字符串
# .strip()方法可以去除字符串首尾的指定符号。
# 无指定时，默认去除空格符 ' ' 和换行符 '\n'
def strip_example():
    str = "asdfhjkasjkfas"
    print(str.strip('as'))


#     只想要去除字符串开头的某个字符串，但是字符串的末尾有一个同样的字符串并不需要去掉。
#     这时候可以使用 .lstrip() 方法
#     同理去掉末尾使用 .rstrip()

def concate_example():
    seq1 = "你"
    seq2 = "好"
    seq = seq1 + seq2
    print(seq)
    # 需要将字符串用特定的符号拼接起来的字符的时候，可以用.join()
    # 方法来进行拼接
    print(','.join(["你好", "再见"]))


# 字符串比较
# 当想要比较两个字符串的大小时，这里需要加载 operator 工具，
# 它是 Python 的标准库。不需要额外下载，
# 直接通过 import 调用即可。
# operator 从左到右第一个字符开始，根据设定的规则比较，返回布尔值（ True，False ）
import operator


def compare_example():
    seq1 = "字符串1号"
    seq2 = "字符串2号"
    print(operator.lt(seq1, seq2))
    print(operator.le(seq1, seq2))
    print(operator.eq(seq1, seq2))
    print(operator.ne(seq1, seq2))
    # 另外可以直接使用> <比较字符串字典序
    print(seq1 < seq2)


def ulcase():
    str = "LkfLkas"
    print(str.upper())
    print(str.lower())

# 字符串查找   find与index 如果没有找到 index会报错 find返回-1
def find_str():
    str = "这是一段字符串"
    seq = "一段"
    n = str.find(seq)
    print(n)

# 切分字符串
# 有两种常用的方法。第一种是直用序列截取的方法。
# 这种方法十分的简单，就是根据顺序来截取序列上你想要的某些片段。
def spit_str():
    str = "你好,很好"
    print(str[0])
    # split() 函数可以完成这个操作, 函数返回一个由切分好的字符串组成的列表。
    print(str.split(','))
# 需要翻转字符串的时候,那么我们直接用序列操作，
# 直接以上面截取序列的方法，但是按照逆向的来截取实现翻转
    print(str[::-1])
# 判断字符串中是否存在某个字符
# in 关键字可以用在任何容器对象上，判断一个子对象是否存在于容器当中，并不局限于判断字符串是否存在某子串，
# 还可以用在其他容器对象例如 list []，tuple ()，set {} 等类型
def in_example():
    str = "232434"
    if '2' in str:
        print('exists')

# 有时需要把字符串中的某段字符串用另一段字符串代替
def replace_str():
    seq = "l;fjasfkfkla"
    print(seq.replace("l","a"))

# 当遇到需要判断字符串是否以某段字符开头的时候。比如想要判断 ‘abcdefg’ 是否以 'a' 开头。
# 可以用 .startswish() 方法
def startswith():
    seq = "afljsaakl"
    print(seq.startswith('akl'))
    print(seq.endswith('akl'))

def isDigit():
    # 当想要检查字符串的构成，像是检查字符串是否由纯数字构成。
    seq = "hjkhfahkjas"
    print(seq.isdigit())
    # seq.isalnum()
    # seq.isalpha()
    # seq.isdecimal()
def regresson():
    pattern = re.compile(r'[0-9]{4}')
    # 正则规则
    match = pattern.search("432432532564")  #search查找
    # print(match) #对象 <re.Match object; span=(0, 4), match='4324'>
    print(match.group(0))  #group中有匹配结果
#    这个方法是将正则表达式与字符串进行匹配，如果找到第一个符合正则表达式的结果，就会返回，
#       然后匹配结果存入group()中供后续操作。
    result = pattern.findall("423425334")
    print(result)  #.findall()：
# 这个方法可以找到符合正则表达式的所有匹配结果

# .match() 方法与 .search() 方法类似，只匹配一次，并且只从字符串的开头开始匹配
if __name__ == '__main__':
    # count_example()
    # strip_example()
    # concate_example()
    # compare_example()
    # find_str()
    # spit_str()
    # replace_str()
    # startswith()
    regresson()

def tokenize_Entext(text):
    tokenize_text = []
    for data in text:
        tokenize_data = []
        for s in data.split('.'):
            for s1 in s.split('?'):
                for s2 in s1.split("!"):
                    for s3 in s2.split(","):
                        tokenize_data.extend(
                            s4 for s4 in s3.split()
                        )
        tokenize_text.append(tokenize_data)
    return tokenize_text

# 初始最长词长度为 0
max_len_word0 = 0
for key in dic:
    # 若当前词长度大于 max_len_word，则将 len(key)值赋值给 max_len_word
    if len(key) > max_len_word0:
        max_len_word0 = len(key)

sent = text
words = []   # 建立一个空数组来存放分词结果：
max_len_word = max_len_word0
# 判断 text 的长度是否大于 0，如果大于 0 则进行下面的循环
while len(sent) > 0:
    # 初始化想要取的字符串长度
    # 按照最长词长度初始化
    word_len = max_len_word
    # 对每个字符串可能会有(max_len_word)次循环
    for i in range(0, max_len_word):
        # 令 word 等于 text 的前 word_len 个字符
        word = sent[0:word_len]
        # 为了便于观察过程，我们打印一下当前分割结果
        print('用 【', word, '】 进行匹配')
        # 判断 word 是否在词典 dic 当中
        # 如果不在词典当中
        if word not in dic:
            # 则以 word_len - 1
            word_len -= 1
            # 清空 word
            word = []
        # 如果 word 在词典当中
        else:
            # 更新 text 串起始位置
            sent = sent[word_len:]
            # 为了方便观察过程，我们打印一下当前结果
            print('【{}】 匹配成功，添加进 words 当中'.format(word))
            print('-'*50)
            # 把匹配成功的word添加进上面创建好的words当中
            words.append(word)
            # 清空word
            word = []

import jieba

str = "你好,我是张三.你是谁"
def all():
    seg_list = jieba.cut(str,cut_all=True)
    # print(seg_list)
    print("|".join(seg_list))
#     seg_list 无法直接显示，若想要显示，可以下面这样。
#     用 ‘|’ 把生成器中的词串起来显示。
#     这个方法在下面提到的精确模式和搜索引擎模式中同样适用

def pre():
    seg_list = jieba.cut(str,cut_all=False)
    print("|".join(seg_list))

def search():
    seg_list = jieba.cut_for_search(str)
    print("|".join(seg_list))

if __name__ == '__main__':
    # all()
    # pre()
    search()

# suggest_freq
jieba.suggest_freq(('今天', '天气'), True)
seg_list = jieba.cut(string, cut_all=False)
'|'.join(seg_list)

# del_word
jieba.del_word('今天天气')
seg_list = jieba.cut(string, cut_all=False)
'|'.join(seg_list)