# 导入Python正则表达式模块，用于文本的匹配、替换、提取等操作
import re

def clean_post(text: str) -> str:
    """
    清理文本内容,去除HTML标签、多余空格、网页链接
    :param text: 原始文本字符串
    :return: 清理后的纯净文本
    """
    # 1. 去除所有HTML标签（匹配<开头、>结尾的任意内容，替换为空）
    text = re.sub(r"<[^>]+>", "", text)
    # 2. 将多个空白字符（空格、换行、制表符等）替换为单个空格
    text = re.sub(r"\s+", " ", text)
    # 3. 去除所有http/https开头的网址（匹配链接后替换为空）
    text = re.sub(r"https?://\S+", "", text)
    # 去除字符串首尾的空格并返回
    return text.strip()

def extract_phones(text: str) -> list[str]:
    """
    从文本中提取中国大陆手机号
    :param text: 待提取的文本
    :return: 提取到的手机号列表（无手机号则返回空列表）
    """
    # 先移除文本中的手机号分隔符：横杠-和空格，统一手机号格式
    text_clean = re.sub(r"[- ]", "", text)
    # 正则匹配手机号：1开头 + 第二位3-9 + 后续9位数字，返回所有匹配结果（列表）
    return re.findall(r"1[3-9]\d{9}", text_clean)

def split_sentences(text: str) -> list[str]:
    """
    按中文标点符号分割文本为句子
    :param text: 原始文本
    :return: 分割后的非空句子列表
    """
    # 按中文句号、感叹号、问号（中英文）分割句子
    sents = re.split(r"[。！？!?]", text)
    # 遍历分割结果，去除空字符串和首尾空格，返回干净的句子列表
    return [s.strip() for s in sents if s.strip()]

# 定义原始测试文本（包含HTML标签、空格、手机号）
raw = "<p>有人一起跑步吗？联系我  138-1234-5678</p>   谢谢！"
# 打印清理后的纯文本
print(clean_post(raw))
# * 是Python解包运算符：将列表中的元素逐个取出打印，避免输出带括号的列表格式
print(*extract_phones(raw))