jezyki-formalne/lab-02.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "source": [
    "# Języki formalne i złożoność obliczeniowa\n",
    "## Część 1: Wprowadzenie do biblioteki re\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "f5376d249e31d5aa"
  },
  {
   "cell_type": "markdown",
   "source": [
    "Wyrażenia regularne będziemy robić na podstawie języka python3. Dokumentacja: https://docs.python.org/3.11/library/re.html\n",
    "\n",
    "Użyteczna strona do testowania wyrażeń regularnych: https://regex101.com/\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "ce091d4ec144df32"
  },
  {
   "cell_type": "markdown",
   "source": [
    "# Podstawowe funkcje"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "35428280eb1f704"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Match\n",
    "match - zwraca dopasowanie od początku stringa"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "9674be284007455d"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "import re\n",
    "wynik = re.match(r'Ala', 'Ala ma kota. Kot ma Alę.')\n",
    "print(wynik)\n",
    "print(f\"Dopasowano: '{wynik.group()}', początek: {wynik.start()}, koniec: {wynik.end()}\")\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "fa7637b60ae679b5"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Search\n",
    "search - zwraca pierwsze dopasowanie w napisie\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "626c591ab52a086"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# search\n",
    "wynik = re.search(r'ni', 'Może nie najtaniej, ale jako tako.')\n",
    "\n",
    "if wynik:\n",
    "    print(f\"Dopasowano: '{wynik.group()}', początek: {wynik.start()}, koniec: {wynik.end()}\")\n",
    "else:\n",
    "    print('Nie znaleziono szukanego ciągu znaków.')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "4f5d7077a85b7108"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "tekst = \"Kto zakłóca ciszę nocną musi ponieść karę: 100 batów!\"\n",
    "\n",
    "wzorzec = re.compile('ci')\n",
    "\n",
    "wynik = wzorzec.search(tekst)\n",
    "\n",
    "if wynik:\n",
    "    print(f\"Dopasowano: '{wynik.group()}', początek: {wynik.start()}, koniec: {wynik.end()}\")\n",
    "else:\n",
    "    print('Nie znaleziono szukanego ciągu znaków.')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "b9da286f8d6936fb"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## findall\n",
    "findall - zwraca listę wszystkich dopasowań\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "600b87dd6af48c04"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# findall\n",
    "wzorzec = re.compile('o')\n",
    "\n",
    "wynik = wzorzec.findall(tekst)\n",
    "\n",
    "if len(wynik) > 0:\n",
    "    print(type(wynik))\n",
    "    print(f'Dopasowano: {wynik}')\n",
    "else:\n",
    "    print(f'{wynik} Nie znaleziono szukanego ciągu znaków.')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "37a93d9d61c6178d"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "wzorzec = re.compile('o')\n",
    "\n",
    "wynik = wzorzec.finditer(tekst)\n",
    "for w in wynik:\n",
    "    print(type(w))\n",
    "    print(f'Dopasowano: \"{w.group()}\", początek: {w.start()}, koniec: {w.end()}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "3232906632de2fe1"
  },
  {
   "cell_type": "markdown",
   "source": [
    "*Uwaga*: pobierając z iteratora elementy, usuwamy je, nie można zatem ponownie się do nich odwołać."
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "62e8a0370ee58827"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Użycie przedrostka 'r' w wyrażeniach regularnych w Pythonie\n",
    "\n",
    "W Pythonie przedrostek `r` przed łańcuchem znaków oznacza \"surowy\" łańcuch znaków (ang. *raw string*). Dlaczego jest to przydatne w kontekście wyrażeń regularnych?\n",
    "\n",
    "Wyrażenia regularne często używają znaków specjalnych, takich jak `\\d`, `\\w`, `\\b` itp. W standardowych łańcuchach znaków w Pythonie, znaki te mają specjalne znaczenie. Na przykład, `\\t` oznacza tabulację, a `\\n` oznacza nową linię.\n",
    "\n",
    "Jeśli chcemy użyć takiego wyrażenia regularnego w Pythonie, musielibyśmy podwajać znaki ukośnika, aby uniknąć konfliktu z wbudowanymi sekwencjami ucieczki w łańcuchach znaków, np. `\\\\d`, `\\\\w`."
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "6342ff85cd5fc35a"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# Bez użycia surowego łańcucha znaków\n",
    "result1 = re.findall(\"\\\\d+\", \"123 abc 456\")\n",
    "print(result1)\n",
    "\n",
    "# Używając surowego łańcucha znaków\n",
    "result2 = re.findall(r\"\\d+\", \"123 abc 456\")\n",
    "print(result2)\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "b09fa3103ec18719"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## sub\n",
    "Kolejną użyteczną metodą jest sub(), która pozwala na zmianę wzorca na inny ciąg znaków:"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "e9e3f41e90bbd746"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "wzorzec = re.compile(r'ni')\n",
    "\n",
    "zmieniony = wzorzec.sub('Ni!', tekst)\n",
    "print(zmieniony)"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "af633211d7faca67"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## split\n",
    "split - dzieli napis na podstawie wzorca"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "ea9205aa03ed7476"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "wzorzec = re.compile(r' ')\n",
    "\n",
    "wynik = wzorzec.split(tekst)\n",
    "print(f'Uzyskano {len(wynik)} wyniki/ów.')\n",
    "for w in wynik:\n",
    "    print(w)"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "71dc3b254a93f31c"
  },
  {
   "cell_type": "markdown",
   "source": [
    "# Metaznaki\n",
    "[] - zbiór znaków\n",
    "\n",
    ". - jakikolwiek znak\n",
    "\n",
    "^ - początek napisu\n",
    "\n",
    "$ - koniec napisu\n",
    "\n",
    "? - znak występuje lub nie występuje\n",
    "\n",
    "\\* - zero albo więcej pojawień się\n",
    "\n",
    "\\+ - jeden albo więcej pojawień się\n",
    "\n",
    "{} - dokładnie tyle pojawień się\n",
    "\n",
    "| - lub\n",
    "\n",
    "() - grupa\n",
    "\n",
    "\\ - znak ucieczki\n",
    "\n",
    "\\d digit\n",
    "\n",
    "\\D nie digit\n",
    "\n",
    "\\s whitespace\n",
    "\n",
    "\\S niewhitespace"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "4b16abb6848f09ae"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "wzorzec = re.compile(r'.')\n",
    "print(wzorzec.findall(tekst))"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "ac6669cac4f52d27"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# jeden lub wiecej / zero lub wiecej\n",
    "\n",
    "tekst = \"BCAAABGTAABBBCCTTSAGG4324242\"\n",
    "print(f'Łańcuch: {tekst}')\n",
    "wzorzec = re.compile(r'X+')\n",
    "print(f'Jeden lub więcej X: {wzorzec.findall(tekst)}')\n",
    "wzorzec = re.compile(r'X*')\n",
    "print(f'Zero lub więcej X: {wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "634e4b66a5081f97"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# zero lub jeden\n",
    "\n",
    "print(f'Łańcuch: {tekst}')\n",
    "wzorzec = re.compile(r'.?')\n",
    "print(wzorzec.findall(tekst))\n",
    "wzorzec = re.compile(r'.?T')\n",
    "print(wzorzec.findall(tekst))"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "44195e00a81b23fb"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "print(f'Łańcuch: {tekst}')\n",
    "wzorzec = re.compile(r'A+')\n",
    "print(f'Dopasowanie zachłanne: {wzorzec.findall(tekst)}')\n",
    "wzorzec = re.compile(r'A+?')\n",
    "print(f'Dopasowanie leniwe: {wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "ea861a33e942d42a"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "print(f'Łańcuch: {tekst}')\n",
    "\n",
    "# dokladnie 3 dopasowania\n",
    "wzorzec = re.compile(r'A{3}')\n",
    "print(f'{wzorzec.findall(tekst)}')\n",
    "\n",
    "# pomiedzy 2 i 3 dopasowania\n",
    "wzorzec = re.compile(r'A{2,3}')\n",
    "print(f'{wzorzec.findall(tekst)}')\n",
    "\n",
    "# 2 lub wiecej dopasowan\n",
    "wzorzec = re.compile(r'A{2,}')\n",
    "print(f'{wzorzec.findall(tekst)}')\n",
    "\n",
    "# 3 lub mniej dopasowan\n",
    "wzorzec = re.compile(r'A{,3}')\n",
    "print(f'{wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "751272b81731af36"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# poczatek lub koniec lancucha\n",
    "\n",
    "tekst = \"Ale pięknie pachnie! Maciek, co gotujesz?\"\n",
    "\n",
    "# poczatek lancucha\n",
    "wzorzec = re.compile(r'^Ale')\n",
    "print(f'{wzorzec.findall(tekst)}')\n",
    "\n",
    "# poczatek lancucha\n",
    "wzorzec = re.compile(r'^ale')\n",
    "print(f'{wzorzec.findall(tekst)}')\n",
    "\n",
    "# koniec lancucha\n",
    "wzorzec = re.compile(r'Ale$')\n",
    "print(f'{wzorzec.findall(tekst)}')\n",
    "\n",
    "# koniec lancucha + znak ucieczki\n",
    "wzorzec = re.compile(r'gotujesz\\?$')\n",
    "print(f'{wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "97bcd3ff7cc3913"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# grupy znakow\n",
    "wzorzec = re.compile(r'[A-Z]')\n",
    "print(f'Duże litery: {wzorzec.findall(tekst)}')\n",
    "\n",
    "wzorzec = re.compile(r'[a-z]')\n",
    "print(f'Małe litery: {wzorzec.findall(tekst)}')\n",
    "\n",
    "wzorzec = re.compile(r'[A-z]')\n",
    "print(f'Małe i duże litery: {wzorzec.findall(tekst)}')\n",
    "\n",
    "wzorzec = re.compile(r'[aeiou]')\n",
    "print(f'Samogłoski: {wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "ee099e6e1e5e2f80"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "# wzorzec(?=X) - dopasowanie, jeśli po nim występuje X\n",
    "\n",
    "tekst = \"ACABADAHSAIIIQIIINSAODIANSAAGAGAGGGGPAAG\"\n",
    "\n",
    "print(f'Łańcuch: {tekst}')\n",
    "wzorzec = re.compile(r'G+(?=A)')\n",
    "print(f'{wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "dd6351952639ef42"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "tekst = \"Ale się zrobiła świąteczna atmosfera.\"\n",
    "wzorzec = re.compile(r'Ale|świąteczna|zrobiła')\n",
    "print(f'{wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "c7f3e1b9d16c91db"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Znaki specjalne\n",
    "\n",
    "\\s\t- biały znak\n",
    "\n",
    "\\S\t- nie-biały znak\n",
    "\n",
    "\\d\t- cyfra\n",
    "\n",
    "\\D\t- nie-cyfra\n",
    "\n",
    "\\w\t- znaki alfanumeryczne (litery i cyfry) oraz\n",
    " \n",
    "\\W\t- znaki nie-alfanumeryczne i nie\n",
    " \n",
    "\\b\t- początek lub koniec ,,słowa’’\n",
    " \n",
    "\\B\t- nie początek lub koniec ,,słowa''\n",
    "\n",
    "[a-z]\t- małe litery\n",
    "\n",
    "[A-Z]\t- wielkie litery\n",
    "\n",
    "[0-9]\t- cyfry\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "c1a7435b7887f5c2"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "wzorzec = re.compile(r'\\w+')\n",
    "print(f'Wyrazy: {wzorzec.findall(tekst)}')\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "3b1b1f147233455d"
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Część II: Zadania praktyczne\n",
    "\n",
    "### Zadanie 1: Wyszukiwanie numerów telefonu\n",
    "\n",
    "Napisz wyrażenie regularne, które znajdzie wszystkie numery telefonu w tekście. Zakładamy, że numer telefonu ma format `xxx-xxx-xxx` lub `xxx xxx xxx`.\n"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "e0670d19927add2b"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "tekst = \"\"\"\n",
    "Jan: 123-456-789\n",
    "Anna: 987 654 321\n",
    "Karol: 456-789-123\n",
    "Zbyszek: 53252525342252\n",
    "Tytus: aaaa666432\n",
    "\"\"\"\n",
    "\n",
    "wzorzec = re.compile(r\"\")\n",
    "print(f'Numery: {wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "aecbbf61477429ac"
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "outputs": [],
   "source": [
    "tekst = \"\"\"\n",
    "jan.kowalski@gmail.com\n",
    "anna.zielinska@amu.edu.pl\n",
    "karol.nowak@interia.pl\n",
    "hello world\n",
    "@test.pl\n",
    "x@x\n",
    "fff22@gmail.com\n",
    "\"\"\"\n",
    "\n",
    "wzorzec = re.compile(r\"\")\n",
    "print(f'Adresy: {wzorzec.findall(tekst)}')"
   ],
   "metadata": {
    "collapsed": false
   },
   "id": "1dcf9585d7b78073"
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 2
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython2",
   "version": "2.7.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}