ΘΕΜΑ: Θέμα με την re και dictionary

anazitisi = input("Δώσε 3 Χαρακτήρες για να ψάξω: ")
ok_keys = []
for a in arxes.keys():
    if '{}'.format(anazitisi) in a:
        ok_keys.append(a)

anazitisi = input("Δώσε 3 Χαρακτήρες για να ψάξω: ")
ok_keys = [i for i in arxes.keys() if '{}'.format(anazitisi) in i]

>>> import re
έστω
arxes={'kati':4,'pati':2,'ola':5}
Αν τα keys δεν έχουν κένα μπορείς να κάνεις
>>> keys=' '.join(arxes.keys())
>>> keys
'kati pati ola'
Τώρα μπορείς να χρησιμοποιήσεις την findall
έστω θες ότι key έχει at
>>> re.findall('\w*at\w*', keys)
['kati', 'pati']

import re
 
arxes = "quick brown fox jumps over the lazy dog"
i = 0
 
while(i < 3):
	anazitisi = input("Δωσε χαρακτήρα για να ψάξω:\t")
	for chInputChar in re.finditer(anazitisi, arxes):
		print('Ο χαρακτήρας ' + anazitisi + ' βρέθηκε στη θέση' , chInputChar.start() )
	i += 1

"ΗΜΕΡΑ, 15/06/2017 00:00:00"
 
pattern='(pattern για ημέρα), (pattern gia ημερομηνία) pattern gia ora'
αφού πάρεις το match object
mera, imerominia=match_object.groups()
 

pattern=r"<lastBuildDate>(\w+)? (\d{2}/\d{2}/\d{2,4})? .*?</lastBuildDate>"
 
>>> text=" Hello dates date1 <lastBuildDate>Δευτέρα, 12/06/2017 12:00:00  </lastBuildDate> kai date2 <lastBuildDate>Τετάρτη, 15/06/2018 12:25:00  </lastBuildDate> μπλα μπλα@"
>>> p=re.compile(pattern)
 
>>> results=p.findall(text)
>>> results
[('Δευτέρα', '12/06/2017'), ('Τετάρτη', '15/06/2018')]
>>> 
>>> for imera, imerominia in results:
	print(imera ,imerominia)
 
 
Δευτέρα 12/06/2017
Τετάρτη 15/06/2018

Regular Expression (regex) είναι ένας τρόπος για να περιγράψουμε κάποιο τμήμα ενός κειμένου.
Ο τρόπος που το κάνουμε είναι με τη δημιουργία patterns
 
Για τα patterns χρησιμοποιούμαι διάφορα σύμβολα χαρακτήρες και έννοιες. Από εδώ και στο εξής θα
χρησιμοποιήσω patterns που λειτουργούν σωστά με το module re στην python.
Αναλόγως το pattern μπορεί με μικρές ή καθόλου αλλαγές να χρησιμοποιηθεί και σε άλλες γλώσσες.
 
Στην πιό απλή μορφή του το pattern περιέχει μόνο εκτυπώσιμους απλούς(όχι special) χαρακτήρες π.χ
mypattern=r'k33theod@gmail 34' 
Το mypattern κάνει match, ταιριάζει δηλαδή, στην πρώτη ίδια ακολουθία που θα βρει στο κείμενο 
 
Πως λειτουργεί:
 
Έστω 
text="Mpla Mpla lala k33theod@gmail 34 oops osp"  
 
Όταν προσπαθήσω να βρω το mypattern στο text θα προσπαθεί να κάνει match το k 
μόλις συναντήσει τον πρώτο χαρακτήρα k στο text θα αρχίσει να κάνει έλεγχο για τους επόμενους χαρακτήρες 
εάν μέτα το k έρχεται το 3 θα συνεχίσει εάν όχι κάνει fail και ψάχνει το επόμενο k στο text 
εφόσον όλοι οι χαρακτήρες του pattern ταιριάζουν με ένα κομμάτι του κειμένου
θα μου επιστραφεί ενα match object που θα αντιστοιχεί στην 1η εύρεση του mypattern
Εάν έχω δηλαδή την ακολουθία 'k33theod@gmail 34' περισότερες από μία φορές στο κείμενό μου, 
το ψάξιμο θα σταματήσει και θα επιστραφεί το πρώτο match.
Εάν δεν το βρει καθόλου επιστρέφει None
 
Το πρόγραμμα σε python
>>> import re
>>> mypattern=r'k33theod@gmail 34'
>>> text="Mpla Mpla lala k33theod@gmail 34 oops osp"
>>> match_obj=re.search(mypattern, text)
>>> match_obj
<_sre.SRE_Match object; span=(15, 32), match='k33theod@gmail 34'>
>>> text[15:32]
'k33theod@gmail 34'
 
**Για να μπορέσουμε να κάνουμε περισσότερα πράγματα με τα regex χρησιμοποιούνται
ορισμένοι χαρακτήρες με ειδική χρήση. Αυτοί είναι
special characters
 the backslash \, the caret ^, the dollar sign $, the period or dot ., 
 the vertical bar or pipe symbol |, the question mark ?, the asterisk or star *, 
 the plus sign +, the opening parenthesis (, the closing parenthesis ), 
 the opening square bracket [, and the opening curly brace {, 
 These special characters are often called "metacharacters"
 
Όταν θέλω να χρησιμοποιήσω έναν από τους παραπάνω χαρακτήρες στο pattern μου χωρίς 
την ειδική του χρήση τον κάνω escape με backslash.
Έστω ότι θέλω να βρώ την τελεία, το pattern είναι
mypattern=r'\.' 
και θα κάνει match την πρώτη τελεία στο κείμενό μου.
 
Special characters
 
'\'
  Είτε κάνει escape special characters (permitting you to match characters like '*', '?', and so forth),
  ή σηματοδοτεί special sequence
 
  Επειδή η python χρησιμοποιεί επίσης το backslash ως ειδικό χαρακτήρα θα πρέπει κάθε φορά που κάνουμε
  ένα pattern να χρησιμοποιούμαι raw string δηλαδή raw_pattern pattern=r'pattern'
 
  Για την πρώτη χρήση του backslash είδαμε το παράδειγμα της . 
  Δεύτερη χρήση signals special sequences με την ευκαιρία βλέπουμε και την χρήση του special char [
 
  Τα regex έχουν έτοιμες κάποιες ακολουθίες χαρακτήρων που χρησιοποιούνται συχνά για να μην
  χρειάζεται κάθε φορά να τις δημιουργούμε εμείς
  Mια ακολουθία χαρακτήρων δημιουργείται με αγγύλες πχ
  [aeiou] αυτό κάνει match σε οποιοδήποτε χαρακτήρα περιέχει, έναν μόνο, δηλαδή 
  αν το text είναι
  text='kaeiou' και κάνουμε match θα κάνει μόνο τον χαρακτήρα a
  Για να ορίσουμε συνέχόμενους χαρακτήρες χρησιμοποιούμε μεταξύ τους το -
  [αβγδεζηθικ]  κάνει match οποιοδήποτε χαρακτήρα μεταξύ του α ελληνικό  και κ ελληνικό
  και μπορεί να γραφεί [α-κ]
  [0-9] κάνει match οποιοδήποτε αριθμό από το 0 εώς 9 προσοχή ένα μόνο ψηφίο όπως ξαναείπα
  και είναι ίδιο με το [0123456789]
 
  σε αυτό το τελευταίο παράδειγμα έρχεται η ένοια του special sequence επειδή
  το [0-9] έχει συχνή χρήση όταν κάνουμε match αριθμούς, έχουμε επίσης γι αυτό το 
  special sequence \d προσοχή δεν είναι ακριβώς το ίδιο 
  όμοια έχουμε το \w ίδιο με το [A-Za-z0-9_], πάλι δεν είναι ακριβώς το ίδιο 
  το [A-Za-z0-9_] κάνει match μόνο ascii ενώ το \w οποιοδήποτε αντίστοιχο χαρακτήρα στο unicode 
  πχ ελληνικά και άλλες γλώσσες  
  Εάν κάνω στα ελληνικά την ακολουθία 
  [α-ωΑ-Ω0-9_] δεν θα συμπεριλάβει το ά ενώ το \w θα το συμπεριλάβει
 
Με βάση όσα είπαμε παραπάνω μια μικρή άσκηση 
έχω ένα κείμενο που έχει ημερομηνία στη μορφή (23 Δεκ 2018 20:00)
και θέλω να κάνω ένα pattern για να το βρώ 
 
pattern_imerominias=r'[0-9][0-9] [α-ω,Α-Ω][α-ω,Α-Ω][α-ω,Α-Ω] [0-9][0-9][0-9][0-9] [0-9][0-9]:[0-9][0-9]' 
το ίδιο με χρήση special sequences 
pattern_imerominias=r'\d\d \w\w\w \d\d\d\d \d\d:\d\d'
και ο κώδικας σε python
>>> pattern_imerominias=r'\d\d \w\w\w \d\d\d\d \d\d:\d\d'
>>> text= 'mapla mapla 16 ιου 2017 12:50 mpla'
>>> find=re.search(pattern_imerominias, text)
>>> find
<_sre.SRE_Match object; span=(12, 29), match='16 ιου 2017 12:50'>
>>> 
special character .
  Ο χαρακτήρα . κάνει match σε όλους τους χαρακτήρες εκτός τον newline
special character {
  Μέσα σε {min,max} ορίζουμε τον αριθμό των επαναλλήψεων του χαρακτήρα που προηγείται
  εάν δώσουμε μόνο έναν αριθμό πχ a{4} σημαίνει ότι οι επαναλήψεις πρέπει να είναι 4 και θα κάνει
  match στο πρώτο aaaa προσοχή εάν έχουμε aaaaaaa πάλι θα κάνει match στα πρώτα 4a
  ένα παραλείψουμε το min εννοείται 0 και γράφουμε πχ {,4} ενοείται 0-4 άν παραλείψουμε το max 
  εννοείται άπειρο {3,} πάνω από 3 επαναλήψεις
Με βάση τα παραπάνω το pattern_imerominias=r'\d\d \w\w\w \d\d\d\d \d\d:\d\d'  μπορεί να γίνει
pattern_imerominias=r'\d{2} \w{3} \d{4} \d{2}:\d{2}'
 
Πολλές φορές θέλουμε στην python να ελέγξουμε την ορθότητα ενός input
έστω ζητάμε από τον χρήστη να εισάγει έναν τριψήφιο αριθμό
μπορούμε να το ελέγξουμε εύκολα με ένα pattern
pattern_3digs=r'^\d{3}$'
άλλα patterns είναι αυτό της ημερομηνίας ώρας που είδαμε παραπάνω
έστω θέλουμε το ονοματεπώνυμο και την ηλικία στη μορφή (Κυριάκου Α. 45) επώνυμο ως 15 χαρακτήρες 
όνομα 1 και . ηλικία 1 ως 3 χαρακτήρες
pattern_person=r'^[a-zA-Z]{1,15} [A-Z]\. \d{1,3}$' την . επειδή είναι special char την κάνουμε escape.
Στα παραπάνω patterns χρησιμοποιούνται 2 ακόμα special chars
^
  κάνει match την αρχή του text
$
  κάνει match το τέλος του text

def isPhone(text):
  if len(text) != 12:
    return False
  for i in range(0, 3):
    if not text[i].isdecimal():
       return False
  if text[3] != '-':
    return False
  for i in range(4, 7):
    if not text[i].isdecimal():
      return False
  if text[7] != '-':
    return False
  for i in range(8, 12):
    if not text[i].isdecimal():
      return False
  return True
 
for i in range(len(message)):
  chunk = message[i:i+12]
  if isPhone(chunk):
    print('Phone number found: ' + chunk)
    print('Done')  

import re
mo=re.search(r'\d{3}-\d{3}-\d{4}', message)
mo.group()