使用字符串定界符(标准C ++)在C ++中解析(拆分)字符串


360

我正在使用以下方法在C ++中解析字符串:

using namespace std;

string parsed,input="text to be parsed";
stringstream input_stringstream(input);

if (getline(input_stringstream,parsed,' '))
{
     // do some processing.
}

使用单个字符定界符进行解析就可以了。但是,如果我想使用字符串作为分隔符怎么办。

示例:我想拆分:

scott>=tiger

>=作为分隔符,以便我可以得到斯科特和老虎。

Answers:


573

您可以使用该std::string::find()函数查找字符串定界符的位置,然后使用std::string::substr()来获取标记。

例:

std::string s = "scott>=tiger";
std::string delimiter = ">=";
std::string token = s.substr(0, s.find(delimiter)); // token is "scott"
  • find(const string& str, size_t pos = 0)函数返回str字符串中第一次出现的位置,或者返回npos未找到字符串的位置。

  • substr(size_t pos = 0, size_t n = npos)函数返回对象的子字符串,从position pos和length开始npos


如果您有多个定界符,则在提取了一个标记之后,可以将其删除(包括定界符)以进行后续提取(如果要保留原始字符串,只需使用s = s.substr(pos + delimiter.length());):

s.erase(0, s.find(delimiter) + delimiter.length());

这样,您可以轻松地循环获取每个令牌。

完整的例子

std::string s = "scott>=tiger>=mushroom";
std::string delimiter = ">=";

size_t pos = 0;
std::string token;
while ((pos = s.find(delimiter)) != std::string::npos) {
    token = s.substr(0, pos);
    std::cout << token << std::endl;
    s.erase(0, pos + delimiter.length());
}
std::cout << s << std::endl;

输出:

scott
tiger
mushroom

66
对于那些不想修改输入字符串的用户,请执行size_t last = 0; size_t next = 0; while ((next = s.find(delimiter, last)) != string::npos) { cout << s.substr(last, next-last) << endl; last = next + 1; } cout << s.substr(last) << endl;
hayk.mart

30
注意:mushroom循环外的输出,即s = mushroom
Don Larynx

1
这些样本不会从字符串中提取最后一个标记。我的示例从一个字符串中提取IpV4:<code> size_t last = 0; size_t next = 0; int索引= 0; while(index <4){next = str.find(delimiter,last); 自动编号= str.substr(last,next-last); IPv4 [index ++] = atoi(number.c_str()); 最后=下一个+ 1; } </ code>
rfog 2015年

2
@ hayk.mart请注意,这将是以下内容,由于定界符的大小为2个字符,您需要添加2而不是1 :):std :: string s =“ scott> = tiger> = mushroom”; std :: string分隔符=“> =”; size_t last = 0; size_t next = 0; while((next = s.find(delimiter,last))!= std :: string :: npos){std :: cout << s.substr(last,next-last)<< std :: endl; 最后=下一个+ 2; } std :: cout << s.substr(last)<< std :: endl;
ervinbosenbacher 2015年

为了获得“老虎”,请使用std::string token = s.substr(s.find(delimiter) + 1);,如果您确定它存在(我使用+1的长度)...
gsamaras

64

此方法std::string::find通过记住前一个子字符串标记的开始和结尾来使用而不会更改原始字符串。

#include <iostream>
#include <string>

int main()
{
    std::string s = "scott>=tiger";
    std::string delim = ">=";

    auto start = 0U;
    auto end = s.find(delim);
    while (end != std::string::npos)
    {
        std::cout << s.substr(start, end - start) << std::endl;
        start = end + delim.length();
        end = s.find(delim, start);
    }

    std::cout << s.substr(start, end);
}

34

您可以使用next函数分割字符串:

vector<string> split(const string& str, const string& delim)
{
    vector<string> tokens;
    size_t prev = 0, pos = 0;
    do
    {
        pos = str.find(delim, prev);
        if (pos == string::npos) pos = str.length();
        string token = str.substr(prev, pos-prev);
        if (!token.empty()) tokens.push_back(token);
        prev = pos + delim.length();
    }
    while (pos < str.length() && prev < str.length());
    return tokens;
}

5
IMO不能按预期工作:split("abc","a")将返回一个向量或单个字符串"bc",在这里我认为如果它返回一个元素的向量将更有意义["", "bc"]str.split()在Python中使用它对我来说很直观,以防万一delim,无论是在开头还是结尾都应返回一个空字符串,但这只是我的看法。无论如何,我只是认为应该提及
kyriakosSt

1
强烈建议删除if (!token.empty()) @kyriakosSt提到的prevent问题以及与连续定界符有关的其他问题。
史蒂夫(Steve)

1
如果可以的话,我会取消我的投票,但是不允许我这样做。@kyriakosSt提出的问题是一个问题,删除if (!token.empty())似乎不足以修复它。
bhaller

1
@bhaller此代码段旨在完全跳过空片段。如果您需要保留为空,那么恐怕您需要编写另一个split实现。请建议您在这里张贴,以方便社区。
Sviatoslav

32

对于字符串定界符

根据字符串定界符分割字符串。例如"adsf-+qwret-+nvfkbdsj-+orthdfjgh-+dfjrleih"基于字符串定界符分割字符串"-+",输出将是{"adsf", "qwret", "nvfkbdsj", "orthdfjgh", "dfjrleih"}

#include <iostream>
#include <sstream>
#include <vector>

using namespace std;

// for string delimiter
vector<string> split (string s, string delimiter) {
    size_t pos_start = 0, pos_end, delim_len = delimiter.length();
    string token;
    vector<string> res;

    while ((pos_end = s.find (delimiter, pos_start)) != string::npos) {
        token = s.substr (pos_start, pos_end - pos_start);
        pos_start = pos_end + delim_len;
        res.push_back (token);
    }

    res.push_back (s.substr (pos_start));
    return res;
}

int main() {
    string str = "adsf-+qwret-+nvfkbdsj-+orthdfjgh-+dfjrleih";
    string delimiter = "-+";
    vector<string> v = split (str, delimiter);

    for (auto i : v) cout << i << endl;

    return 0;
}


输出量

广告
qwret
nvfkbdsj
Orthdfjgh
dfjrleih




对于单字符定界符

根据字符定界符分割字符串。如"adsf+qwer+poui+fdgh"用定界符分割字符串"+"将输出{"adsf", "qwer", "poui", "fdg"h}

#include <iostream>
#include <sstream>
#include <vector>

using namespace std;

vector<string> split (const string &s, char delim) {
    vector<string> result;
    stringstream ss (s);
    string item;

    while (getline (ss, item, delim)) {
        result.push_back (item);
    }

    return result;
}

int main() {
    string str = "adsf+qwer+poui+fdgh";
    vector<string> v = split (str, '+');

    for (auto i : v) cout << i << endl;

    return 0;
}


输出量

广告
wer
ui
d

您正在返回,vector<string>我认为它将调用复制构造函数。
Mayur

2
我看到的每个引用都表明在该上下文中消除了对复制构造函数的调用。
大卫

对于“现代”(C ++ 03?)编译器,我相信这是正确的,RVO和/或move语义将消除复制构造函数。
凯文(Kevin)

我尝试使用单字符定界符,并且如果字符串以定界符结尾(即,该行末尾有一个空的csv列),则它不会返回空字符串。它只返回少一个的字符串。例如:1,2,3,4 \ nA,B,C,
kounoupis

我还尝试了一个用于字符串定界符的字符串,如果字符串以定界符结尾,则最后一个定界符将成为提取的最后一个字符串的一部分。
kounoupis

19

此代码从文本中拆分行,然后将所有人添加到向量中。

vector<string> split(char *phrase, string delimiter){
    vector<string> list;
    string s = string(phrase);
    size_t pos = 0;
    string token;
    while ((pos = s.find(delimiter)) != string::npos) {
        token = s.substr(0, pos);
        list.push_back(token);
        s.erase(0, pos + delimiter.length());
    }
    list.push_back(s);
    return list;
}

致电者:

vector<string> listFilesMax = split(buffer, "\n");

效果很好!我添加了list.push_back(s); 因为它不见了。
Stoica Mircea

1
它错过了字符串的最后一部分。在while循环结束之后,我们需要将剩余的s作为新令牌添加。
whihathac

我对代码示例进行了修改,以修复丢失的push_back。
FRET

1
会更好vector<string> split(char *phrase, const string delimiter="\n")
Mayur,

15

strtok允许您传入多个字符作为分隔符。我敢打赌,如果您传入“> =”,您的示例字符串将被正确分割(即使>和=被视为单独的分隔符)。

如果不想使用c_str()从字符串转换为char *进行编辑,则可以使用substrfind_first_of进行标记化。

string token, mystring("scott>=tiger");
while(token != mystring){
  token = mystring.substr(0,mystring.find_first_of(">="));
  mystring = mystring.substr(mystring.find_first_of(">=") + 1);
  printf("%s ",token.c_str());
}

3
谢谢。但是我只想使用C ++,而不要使用任何C函数strtok(),因为它将要求我使用char数组而不是字符串。
TheCrazyProgrammer

2
@TheCrazyProgrammer那么?如果C函数满足您的需求,请使用它。这不是C函数在C ++中不可用的世界(实际上,必须如此)。.c_str()便宜又容易。
Qix-蒙尼卡(Monica)

1
如果字符串中有重复的元素,则if(token!= mystring)的检查将得出错误的结果。我用您的代码制作了一个没有此代码的版本。它有许多变化,从根本上改变了答案,所以我写了自己的答案,而不是编辑。在下面检查。
Amber Elferink

5

这是我的看法。它处理边缘情况,并采用可选参数从结果中删除空条目。

bool endsWith(const std::string& s, const std::string& suffix)
{
    return s.size() >= suffix.size() &&
           s.substr(s.size() - suffix.size()) == suffix;
}

std::vector<std::string> split(const std::string& s, const std::string& delimiter, const bool& removeEmptyEntries = false)
{
    std::vector<std::string> tokens;

    for (size_t start = 0, end; start < s.length(); start = end + delimiter.length())
    {
         size_t position = s.find(delimiter, start);
         end = position != string::npos ? position : s.length();

         std::string token = s.substr(start, end - start);
         if (!removeEmptyEntries || !token.empty())
         {
             tokens.push_back(token);
         }
    }

    if (!removeEmptyEntries &&
        (s.empty() || endsWith(s, delimiter)))
    {
        tokens.push_back("");
    }

    return tokens;
}

例子

split("a-b-c", "-"); // [3]("a","b","c")

split("a--c", "-"); // [3]("a","","c")

split("-b-", "-"); // [3]("","b","")

split("--c--", "-"); // [5]("","","c","","")

split("--c--", "-", true); // [1]("c")

split("a", "-"); // [1]("a")

split("", "-"); // [1]("")

split("", "-", true); // [0]()

4

这对于字符串(或单个字符)定界符应该是完美的。别忘了包含#include <sstream>

std::string input = "Alfa=,+Bravo=,+Charlie=,+Delta";
std::string delimiter = "=,+"; 
std::istringstream ss(input);
std::string token;
std::string::iterator it;

while(std::getline(ss, token, *(it = delimiter.begin()))) {
    while(*(++it)) ss.get();
    std::cout << token << " " << '\n';
}

第一个while循环使用字符串定界符的第一个字符提取令牌。第二个while循环跳过其余定界符,并在下一个标记的开头停止。


3

我会用boost::tokenizer。以下文档说明了如何制作适当的令牌生成器功能:http : //www.boost.org/doc/libs/1_52_0/libs/tokenizer/tokenizerfunction.htm

这是适合您的情况的一种。

struct my_tokenizer_func
{
    template<typename It>
    bool operator()(It& next, It end, std::string & tok)
    {
        if (next == end)
            return false;
        char const * del = ">=";
        auto pos = std::search(next, end, del, del + 2);
        tok.assign(next, pos);
        next = pos;
        if (next != end)
            std::advance(next, 2);
        return true;
    }

    void reset() {}
};

int main()
{
    std::string to_be_parsed = "1) one>=2) two>=3) three>=4) four";
    for (auto i : boost::tokenizer<my_tokenizer_func>(to_be_parsed))
        std::cout << i << '\n';
}

3
谢谢。但是我只希望标准C ++,而不希望第三方库。
TheCrazyProgrammer

@TheCrazyProgrammer:好的,当我阅读“ Standard C ++”时,我认为这意味着没有非标准扩展,不是说您不能使用符合标准的第三方库。
本杰明·林德利

3

答案已经存在,但是selected-answer使用擦除功能,这非常昂贵,请考虑一些很大的字符串(以MB为单位)。因此,我使用以下功能。

vector<string> split(const string& i_str, const string& i_delim)
{
    vector<string> result;

    size_t found = i_str.find(i_delim);
    size_t startIndex = 0;

    while(found != string::npos)
    {
        string temp(i_str.begin()+startIndex, i_str.begin()+found);
        result.push_back(temp);
        startIndex = found + i_delim.size();
        found = i_str.find(i_delim, startIndex);
    }
    if(startIndex != i_str.size())
        result.push_back(string(i_str.begin()+startIndex, i_str.end()));
    return result;      
}

我对此进行了测试,并且可以正常工作。谢谢!在我看来,这是最好的答案,因为如原始回答者所述,此解决方案减少了内存开销,并且将结果方便地存储在向量中。(复制Python string.split()方法。)
Robbie Capps,

2

这是一个完整的方法,它可以在任何定界符上分割字符串并返回切碎的字符串的向量。

它是根据ryanbwork的答案改编而成。但是,他的检查:if(token != mystring)如果字符串中有重复的元素,则会给出错误的结果。这是我解决该问题的方法。

vector<string> Split(string mystring, string delimiter)
{
    vector<string> subStringList;
    string token;
    while (true)
    {
        size_t findfirst = mystring.find_first_of(delimiter);
        if (findfirst == string::npos) //find_first_of returns npos if it couldn't find the delimiter anymore
        {
            subStringList.push_back(mystring); //push back the final piece of mystring
            return subStringList;
        }
        token = mystring.substr(0, mystring.find_first_of(delimiter));
        mystring = mystring.substr(mystring.find_first_of(delimiter) + 1);
        subStringList.push_back(token);
    }
    return subStringList;
}

1
while (true)在这样的一段代码中通常很难看到类似的东西。我个人建议你重写这一点,以便比较std::string::npos(或分别针对检查mystring.size()),使while (true)过时。
乔尔·博登曼

1

如果您不想修改字符串(如Vincenzo Pii的回答),并且还希望输出最后一个标记,则可以使用以下方法:

inline std::vector<std::string> splitString( const std::string &s, const std::string &delimiter ){
    std::vector<std::string> ret;
    size_t start = 0;
    size_t end = 0;
    size_t len = 0;
    std::string token;
    do{ end = s.find(delimiter,start); 
        len = end - start;
        token = s.substr(start, len);
        ret.emplace_back( token );
        start += len + delimiter.length();
        std::cout << token << std::endl;
    }while ( end != std::string::npos );
    return ret;
}

0
#include<iostream>
#include<algorithm>
using namespace std;

int split_count(string str,char delimit){
return count(str.begin(),str.end(),delimit);
}

void split(string str,char delimit,string res[]){
int a=0,i=0;
while(a<str.size()){
res[i]=str.substr(a,str.find(delimit));
a+=res[i].size()+1;
i++;
}
}

int main(){

string a="abc.xyz.mno.def";
int x=split_count(a,'.')+1;
string res[x];
split(a,'.',res);

for(int i=0;i<x;i++)
cout<<res[i]<<endl;
  return 0;
}

PS:仅在分割后的字符串长度相等时有效


这使用GCC扩展名-可变长度数组。
user202729 '18

0

功能:

std::vector<std::string> WSJCppCore::split(const std::string& sWhat, const std::string& sDelim) {
    std::vector<std::string> vRet;
    int nPos = 0;
    int nLen = sWhat.length();
    int nDelimLen = sDelim.length();
    while (nPos < nLen) {
        std::size_t nFoundPos = sWhat.find(sDelim, nPos);
        if (nFoundPos != std::string::npos) {
            std::string sToken = sWhat.substr(nPos, nFoundPos - nPos);
            vRet.push_back(sToken);
            nPos = nFoundPos + nDelimLen;
            if (nFoundPos + nDelimLen == nLen) { // last delimiter
                vRet.push_back("");
            }
        } else {
            std::string sToken = sWhat.substr(nPos, nLen - nPos);
            vRet.push_back(sToken);
            break;
        }
    }
    return vRet;
}

单元测试:

bool UnitTestSplit::run() {
bool bTestSuccess = true;

    struct LTest {
        LTest(
            const std::string &sStr,
            const std::string &sDelim,
            const std::vector<std::string> &vExpectedVector
        ) {
            this->sStr = sStr;
            this->sDelim = sDelim;
            this->vExpectedVector = vExpectedVector;
        };
        std::string sStr;
        std::string sDelim;
        std::vector<std::string> vExpectedVector;
    };
    std::vector<LTest> tests;
    tests.push_back(LTest("1 2 3 4 5", " ", {"1", "2", "3", "4", "5"}));
    tests.push_back(LTest("|1f|2п|3%^|44354|5kdasjfdre|2", "|", {"", "1f", "2п", "3%^", "44354", "5kdasjfdre", "2"}));
    tests.push_back(LTest("|1f|2п|3%^|44354|5kdasjfdre|", "|", {"", "1f", "2п", "3%^", "44354", "5kdasjfdre", ""}));
    tests.push_back(LTest("some1 => some2 => some3", "=>", {"some1 ", " some2 ", " some3"}));
    tests.push_back(LTest("some1 => some2 => some3 =>", "=>", {"some1 ", " some2 ", " some3 ", ""}));

    for (int i = 0; i < tests.size(); i++) {
        LTest test = tests[i];
        std::string sPrefix = "test" + std::to_string(i) + "(\"" + test.sStr + "\")";
        std::vector<std::string> vSplitted = WSJCppCore::split(test.sStr, test.sDelim);
        compareN(bTestSuccess, sPrefix + ": size", vSplitted.size(), test.vExpectedVector.size());
        int nMin = std::min(vSplitted.size(), test.vExpectedVector.size());
        for (int n = 0; n < nMin; n++) {
            compareS(bTestSuccess, sPrefix + ", element: " + std::to_string(n), vSplitted[n], test.vExpectedVector[n]);
        }
    }

    return bTestSuccess;
}

0
std::vector<std::string> parse(std::string str,std::string delim){
    std::vector<std::string> tokens;
    char *str_c = strdup(str.c_str()); 
    char* token = NULL;

    token = strtok(str_c, delim.c_str()); 
    while (token != NULL) { 
        tokens.push_back(std::string(token));  
        token = strtok(NULL, delim.c_str()); 
    }

    delete[] str_c;

    return tokens;
}

-4
std::vector<std::string> split(const std::string& s, char c) {
  std::vector<std::string> v;
  unsigned int ii = 0;
  unsigned int j = s.find(c);
  while (j < s.length()) {
    v.push_back(s.substr(i, j - i));
    i = ++j;
    j = s.find(c, j);
    if (j >= s.length()) {
      v.push_back(s.substr(i, s,length()));
      break;
    }
  }
  return v;
}

1
请更准确。您的代码将无法编译。请参见声明“ i”和逗号而不是点。
jstuardo
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.