స్ట్రింగ్స్ డీప్ డైవ్ & స్లైసింగ్ (String Mastery)

# స్ట్రింగ్ ఇండెక్సింగ్ & స్లైసింగ్ డెమో

tech_word = "HYDERABAD"

print(f"మొత్తం పదం : {tech_word}")
print(f"మొదటి అక్షరం (Index 0)  : {tech_word[0]}")
print(f"చివరి అక్షరం (Index -1) : {tech_word[-1]}")
print(f"ముందు 5 అక్షరాలు [:5]    : {tech_word[:5]}")
print(f"చివరి 3 అక్షరాలు [-3:]   : {tech_word[-3:]}")
print(f"రివర్స్ పదం [::-1]       : {tech_word[::-1]}")

# 2. పాలిండ్రోమ్ ఫంక్షన్ (Palindrome Check)
def check_palindrome(word: str):
    clean = word.strip().lower()
    is_pal = (clean == clean[::-1]) # ఒకే ఒక్క లైన్ స్లైసింగ్ మ్యాజిక్!
    status = "✅ పాలిండ్రోమ్ (సరిగ్గా సరిపోయింది)" if is_pal else "❌ పాలిండ్రోమ్ కాదు"
    print(f"పదం: '{word}' ──▶ {status}")

print("\n=== PALINDROME CHECKER ===")
check_palindrome("MADAM")
check_palindrome("RACECAR")
check_palindrome("PYTHON")

# సెర్చింగ్ మరియు ఫైల్ చెకర్ డెమో

document_files = [
    "annual_report_2026.pdf",
    "employee_salaries.xlsx",
    "architecture_diagram.png",
    "audit_findings.PDF",
    "server_config.yaml"
]

print("=== డాక్యుమెంట్ వెరిఫికేషన్ నివేదిక ===")

for doc in document_files:
    # 1. కేస్-ఫోల్డింగ్ మరియు ఎక్స్‌టెన్షన్ తనిఖీ
    clean_name = doc.casefold()

    if clean_name.endswith((".pdf", ".xlsx")):
        doc_type = "ఆఫీస్ డాక్యుమెంట్"
    elif clean_name.endswith((".png", ".jpg")):
        doc_type = "చిత్రం (Image)"
    else:
        doc_type = "ఇతర కాన్ఫిగరేషన్ ఫైల్"

    # 2. find() ద్వారా ఇయర్ వెతకడం
    year_pos = clean_name.find("2026")
    year_info = f"[2026 సంవత్సరం ఫైల్ - ఇండెక్స్: {year_pos}]" if year_pos != -1 else "[సాధారణ ఫైల్]"

    print(f"ఫైల్: {doc:<28} రకం: {doc_type:<18} {year_info}")

# అడ్వాన్స్‌డ్ స్ట్రింగ్ క్లీనింగ్ & CSV ప్రాసెసింగ్ డెమో

raw_csv_record = "   SKU-90812 ;  స్మార్ట్ వాచ్ ప్రో  ; ₹ 3,499.00 ; IN_STOCK   \n"

# 1. strip() మరియు split()
clean_record = raw_csv_record.strip()
fields = [f.strip() for f in clean_record.split(";")]

sku_raw, item_title, raw_price, stock_status = fields

# 2. removeprefix() ద్వారా SKU ఐడిని శుభ్రం చేయడం (Python 3.9+)
sku_id = sku_raw.removeprefix("SKU-")

# 3. ధర నుండి సింబల్స్ తొలగించి ఫ్లోట్‌గా మార్చడం
clean_price = float(raw_price.replace("₹", "").replace(",", "").strip())

print("=== శానిటైజ్ చేయబడిన ప్రొడక్ట్ ఆబ్జెక్ట్ ===")
print(f"SKU కోడ్       : {sku_id}")
print(f"ఉత్పత్తి పేరు   : {item_title}")
print(f"శుద్ధ ధర        : ₹ {clean_price:,.2f}")
print(f"స్టాక్ స్థితి   : {stock_status}")

# 4. join() ద్వారా స్టాండర్డ్ పైప్ డీలిమిటెడ్ ఫార్మాట్ లోకి మార్చడం
output_line = " | ".join([sku_id, item_title, f"₹{clean_price:.2f}", stock_status])
print(f"\nస్టాండర్డ్ ఫార్మాట్ : {output_line}")

# =====================================================================
# చాప్టర్ 09 మినీ ప్రాజెక్ట్: Automated Clinical Prescription NLP Parser
# కాన్సెప్ట్స్: Slicing, removeprefix(), splitlines(), split(), join(),
#             Sanitization, Table Formatting & Case Normalization
# =====================================================================

raw_prescription_note = """
PATIENT_ID: PID-98421
NAME: డా. సునీత వర్మ
AGE: 42 | GENDER: Female
DIAGNOSIS: Acute Bronchitis & Viral Fever
MEDICINES:
- Tab. Paracetamol 650mg ; Twice a day ; 5 Days
- Syp. Ambroxol Cough ; 10ml Thrice a day ; 7 Days
- Cap. Amoxicillin 500mg ; Morning & Night ; 5 Days
DOCTOR_ID: DOC-APX-880
"""

def parse_clinical_prescription(raw_text: str):
    """
    అస్తవ్యస్తమైన క్లినికల్ టెక్స్ట్‌ను విశ్లేషించి ప్రామాణిక డిశ్చార్జ్ సమ్మరీని ముద్రిస్తుంది.
    """
    print("\n" + "=" * 74)
    print(f"{'🏥 అపోలో కేర్ మల్టీ-స్పెషాలిటీ హాస్పిటల్ — డిజిటల్ ప్రిస్క్రిప్షన్':^74}")
    print("=" * 74)

    lines = [line.strip() for line in raw_text.strip().splitlines() if line.strip()]

    patient_id = ""
    patient_name = ""
    diagnosis = ""
    medicines = []
    doctor_code = ""

    for line in lines:
        if line.startswith("PATIENT_ID:"):
            patient_id = line.removeprefix("PATIENT_ID:").strip().removeprefix("PID-")
        elif line.startswith("NAME:"):
            patient_name = line.removeprefix("NAME:").strip()
        elif line.startswith("DIAGNOSIS:"):
            diagnosis = line.removeprefix("DIAGNOSIS:").strip().title()
        elif line.startswith("DOCTOR_ID:"):
            doctor_code = line.removeprefix("DOCTOR_ID:").strip()
        elif line.startswith("-"):
            # మందుల వివరాలు స్ప్లిట్ చేయడం
            med_entry = line.removeprefix("-").strip()
            parts = [p.strip() for p in med_entry.split(";")]
            medicines.append(parts)

    print(f"రోగి గుర్తింపు నం (PID): #{patient_id:<18} వైద్యుల కోడ్: {doctor_code}")
    print(f"రోగి పూర్తి పేరు       : {patient_name}")
    print(f"క్లినికల్ రోగనిర్ధారణ : {diagnosis}")
    print("-" * 74)
    print(f"{'క్ర.సం':<6} {'మందుల పేరు & డోసేజ్':<30} {'వాడే సమయం':<20} {'కాలపరిమితి':>12}")
    print("-" * 74)

    for idx, med in enumerate(medicines, start=1):
        name = med[0] if len(med) > 0 else "N/A"
        frequency = med[1] if len(med) > 1 else "N/A"
        duration = med[2] if len(med) > 2 else "N/A"
        print(f"{idx:<6} {name:<30} {frequency:<20} {duration:>12}")

    print("=" * 74)
    print(f"{'⚠️ దయచేసి మందులను డాక్టర్ సలహా మేరకే వేసుకోండి. సంపూర్ణ ఆరోగ్యం మీ హక్కు!':^74}")
    print("=" * 74 + "\n")

# లైవ్ రన్ టెస్ట్
parse_clinical_prescription(raw_prescription_note)