解析C++字符串

Question

这里有很多关于发布字符串的帖子，但实际上似乎不符合我的目的。

我使用的是std::string和所有的C++标准库，我有一个使用以下协议的文本文件：

TEXT1:TEXT2-TAB-TEXT3:TEXT4 TEXT5

当-TAB-是\t时。

我想把所有的文本都放到字符串中(也可以是数组)。文件中的所有行都是这样写的，我试着使用istringstream，但是它没有像：iss >> text1 >> ":" >> text2 >> "\t" >> text3 >> ":" >> text4 >> " " >> text5这样的功能。

我真的需要使用find的基本功能进行解析吗？这将是一堆工作(因为我有几个文件以不同的格式编写，我需要为所有这些编写一个通用函数)，如果我别无选择的话，我会这样做的。

所以..。有任何方法可以使用字符串之间的已知字符来解析字符串吗？它不是一个特定的分隔符，因为每一行都包含一对分隔符(一次是空格，然后是冒号等等)。我想使用C++标准库，而不是像Boost这样的任何外部库。

编辑: C++11.

Answer 1

由于您使用的是C++11，并且您的文本行遵守协议，那么用于模式匹配和信息提取的工具就是regex库中的特性。

与你的协议匹配的模式可能是这样的.

\W+：\W+-\t-\w+：W+\s+w+

..。使用默认的ECMAScript语法。还有其他几个。

接下来，使用原始字符串文字初始化regex对象..。

regex pat{R(“w+：\W+-t-\w+：\W+\s+”)}；

所以现在你的代码可以这样..。

#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
    }   
}

顺便说一句，smatch像一个容器一样工作，可以迭代，所以非常方便。

注意事项：上面的代码不能保证工作正常，它被用作指南。

Answer 2

因为您有一个固定的字符来标记每个字段的结束，所以任何类似regexes的边界都是过头的。我只需要使用std::getline来读取每个字段。

首先，为一行中的字段定义一个struct，然后重载operator>>以读取其中一个结构：

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;
    }
};

这样，您就可以读到这样的一行：

line x;

std::cin >> x;

...or，如果整个文件中都有这样的行，则可以将它们全部读入向量中，如下所示：

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

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

Answer 3

您可能应该使用std::getline读取整行，然后解析该行，例如使用发现或std:string的的方法查找'\t'字符。

如果可能的话，至少切换到C++11，因为C++11的许多特性将使您能够编写更少的代码。特别是，当与匿名std:找到一起使用时，来自<algorithm>的兰卜达是有用的。

当然，您应该更正式地定义可接受的输入(可能有一些EBNF符号，至少在注释中)。特别是，在您的TEXT1和TEXT2以及TEXT3和TEXT4和TEXT5中可以显示哪些确切的字符。在什么编码？(UTF-8有多字节字符！)。

如果输入规范很复杂，可以考虑使用一些解析器生成器，如反等。