m = match(r"\d+", "年龄:42")  # \d+'\d'-选择数字'+'-一次或多次出现
println(m.match)

for m in eachmatch(r"\w+", "你好，亲爱的朋友！")  # `\w'-字母，数字或_（'，'和'！'他们不适合）
    println(m.match)
end

new = replace("日期格式:01-02-2025", r"\d" => "X")
println(new)

@show occursin(r"[A-Z]", "Hello")
@show occursin(r"[A-Z]", "hello")
@show occursin(r"[A-Z]+", "HELLO");

# 带有数据的文本
OCR_text = """
用户日志:
姓：伊万诺夫名：伊万
姓：彼得罗夫名：彼得L
姓-里姆斯基-科萨科夫姓-尼古拉    
"""

regex_fullname = r"
        ^Фамилия\s*   # 行首的"姓氏"，后跟0或更多空格
        [:-]\s*       # 然后有一个字符`:`或'-'和0或多个空格
        ([\p{L}-]+)   # [\p{L}-]+-`\p{L}`-Unicode字符，'-`-连字符
        \s*           # 姓氏后面有0个或更多空格
        Имя\s*[:-]\s* # 与姓氏相同
        (\p{L}+)      # 任何字母序列（包括俄语字母）这就是"imx"的名字;

fullnames = [(m.captures[1], m.captures[2]) for m in eachmatch(regex_fullname, OCR_text)]

for (surname, name) in fullnames
    println("你好，$（titlecase（姓氏））$（titlecase（名称））！")
end

text1 = "俄罗斯号码是+7-912-345-67-89或8-987-654-32-10，但不是+1-234-567-89-10"

russian_phone_regex = r"(?:\+7|8)-\d{3}-\d{3}-\d{2}-\d{2}"

for m in eachmatch(russian_phone_regex, text1)
    println("俄罗斯号码被发现: ", m.match)
end

email = "test_User-name.123@pochta.ru"

email_regex = r"^[a-zA-Z0-9._-]+@[a-zA-Z0-9.-]+\.[a-z]{2,}$"

if match(email_regex, email) !== nothing
    println("电子邮件是正确的") 
else
    println("电邮地址不正确")
end

text2 = "文本引用[1]，[2，3]和[4]，并包含数学表达式：1+（2{3-x[y-z]}）。"
ref_regex = r"\[\d+(?:,\s*\d+)*\]"
matches = [m.match for m in eachmatch(ref_regex, text2)]
println("脚注: ", join(matches, ", "))

sonnets_text = read("sonnets.txt",String);
print(sonnets_text[1:1000])

function split_sonnets(text)
    pattern = r"""
        ^                    # 行的开头（每行都有m标志）
        \s*                  # 罗马数字前的零个或多个空格
        [IVXLCDM]+           # 一个或多个罗马数字(I,V,X,L,C,D,M)
        \s*                  # 数字后零个或多个空格
        $                    # 行尾（仅限行数）
        \s*                  # 数字后面的空格或空行
# ___________________________________________________________________________________________________
        (                    # 十四行诗文本的一个令人兴奋的小组的开始
            [\s\S]*?         # 任何字符（包括\n），不太远（到最近的站）
        )                    # 一支激动人心的乐队的结束
# ___________________________________________________________________________________________________
        (?=                  # 正面前视（停止条件）
            ^                # 下一行的开头
            \s*              # 下一个数字前的空格
            [IVXLCDM]+       # 下一个罗马数字
            \s*              # 后面的空格
            $                # 带数字的行尾
            |                # 或
            \z               # 文本的绝对结束（对于最后一首十四行诗）
        )                    # 前向观看结束
    """mx                    # Флаги: m (многострочный режим), x (расширенный режим)
    sonnets = [strip(m.captures[1]) for m in eachmatch(pattern, text)]
    return sonnets
end

sonnets = split_sonnets(sonnets_text)

s = """1 строка
       第二行
       第3行
       4 строка"""
split(s,'\n',limit=2)

for (i, sonnet) in enumerate(sonnets[1:5])
    println("""十四行诗$i:split(split(sonnet,'\n',limit=2)[1])\n...""")
end

Pkg.add("BenchmarkTools")

using BenchmarkTools
@btime split_sonnets(sonnets_text);

function split_sonnets_fast(text)
    sonnets = String[]
    current_sonnet = String[]
    in_sonnet = false
    
    for line in eachline(text)
        if !isempty(line)  # 我们通过条带函数在删除空格和\n之前进行检查
            stripped = strip(line)
            # 如果字符串的每个（全部）字符属于IVXLCDM，则它是罗马数字。
            if all(c -> c in "IVXLCDM", stripped)  
                if in_sonnet && !isempty(current_sonnet)
                    push!(sonnets, join(current_sonnet, '\n'))
                end
                current_sonnet = String[]
                in_sonnet = true
            elseif in_sonnet
                push!(current_sonnet, line)
            end
        end
    end
    
    if in_sonnet && !isempty(current_sonnet)
        push!(sonnets, join(current_sonnet, '\n'))
    end
    
    return sonnets
end


# 检查工作
sonnets = split_sonnets_fast("sonnets.txt")

@btime split_sonnets_fast("sonnets.txt");