解析C ++字符串

Question

這里有很多關於發布字符串的文章，但實際上似乎不適合我的目的。

我正在使用std::string和所有C ++標准庫，並且我有一個使用以下協議的文本文件：

TEXT1:TEXT2-TAB-TEXT3:TEXT4 TEXT5

當-TAB-為\\t 。

我想將所有文本都轉換成字符串（也可以是數組）。 文件中的所有行都是以這種方式編寫的，我嘗試使用istringstream但它沒有功能，例如： iss >> text1 >> ":" >> text2 >> "\\t" >> text3 >> ":" >> text4 >> " " >> text5 。

我實際上是否需要使用find等的基本功能進行解析？ 那將是大量的工作（因為我有幾個用不同格式編寫的文件，並且我需要為所有這些文件創建通用功能），但是如果我別無選擇，我會這樣做。

那么...有什么方法可以使用字符串之間的已知字符以下列方式解析字符串？ 它不是特定的定界符，因為每一行都包含幾個定界符（一次是空格，然后是冒號，等等）。 我想使用C ++標准庫，而不要使用任何外部庫，如Boost。

編輯：C ++ 11。

Answer 1

由於您使用的是C ++ 11，並且文本行遵守協議，因此用於模式匹配和信息提取的工具就是regex庫中的功能。

符合您協議的模式可能看起來像這樣...

\\ w +：\\ w +-\\ t- \\ w +：\\ w + \\ s \\ w +

...使用默認的ECMAScript語法。 還有一些。

接下來，使用原始字符串文字來初始化正則表達式對象。

regex pat {R（“ \\ w +：\\ w +-\\ t- \\ w +：\\ w + \\ s \\ w +”）};

所以現在您的代碼可以看起來像這樣...

#include<regex>
...

regex pat{R("\w+:\w+-\t-\w+:\w+\s\w+")};
smatch m;

while (cin >> str) {  // where str is your line of formatted text
    bool match = regex_search(str, m, pat);
    for (int i = 0; i < m.size(); i++) {
        cout << m[i].str() << " "; // to make sure each component was matched
    }   
}

順便說一下， smatch就像一個容器一樣工作，並且可以迭代，因此非常方便。

注意 ：上面的代碼不能保證能正常工作，它僅用作指導。

Answer 2

由於您有一個固定的單個字符來標記每個字段的結尾，因此諸如正則表達式之類的字詞會在過度殺傷時產生邊界。 我只是使用std::getline來讀取每個字段。

我將從在一行中為字段定義一個結構開始，然后重載operator>>以讀取這些結構之一：

struct line { 
    std::string text1, text2, text3, text4, text5;

    friend std::istream &operator>>(std::istream &is, line &l) {
        std::getline(is, l.text1, ':');
        std::getline(is, l.text2, '\t');
        std::getline(is, l.text3, ':');
        std::getline(is, l.text4, ' ');
        std::getline(is, l.text5);
        return is;
    }
};

這樣，您可以閱讀如下內容：

line x;

std::cin >> x;

...或者，如果您的整個文件中都包含這樣的行，則可以將它們全部讀入向量，例如：

std::ifstream infile("whatever.dat");

std::vector<line> lines {
    std::istream_iterator<line>(lines),
    std::istream_iterator<line>()
};

Answer 3

您可能應該使用std :: getline閱讀整行，然后解析該行，例如，使用std :: string的 find或find_first_of方法找到 '\\t'字符。

如果可能，請至少切換到C ++ 11 ，因為C ++ 11的許多功能將使您編寫更少的代碼。 與匿名lambda一起使用時，特別是<algorithm> std :: find會很有幫助。

當然，您應該更正式地定義可接受的輸入（也許使用一些EBNF表示法，至少在注釋中）。 特別是，您的TEXT1和TEXT2和TEXT3以及TEXT4和TEXT5可以出現哪些確切字符。 用什么編碼？ （ UTF-8具有多字節字符！）。

如果輸入規范很復雜，則可以考慮使用一些解析器生成器，例如ANTLR等。