Java有一个方便的split方法:
String str = "The quick brown fox";
String[] results = str.split(" ");
有没有一种简单的方法可以在C ++中做到这一点?
Java有一个方便的split方法:
String str = "The quick brown fox";
String[] results = str.split(" ");
有没有一种简单的方法可以在C ++中做到这一点?
Answers:
C ++标准库算法非常普遍地基于迭代器而不是具体容器。不幸的是,这使得很难split
在C ++标准库中提供类似Java的功能,即使没有人认为这样做会很方便。但是它的返回类型是什么?std::vector<std::basic_string<…>>
?也许可以,但是后来我们被迫执行(可能是多余的和昂贵的)分配。
取而代之的是,C ++提供了多种方法来基于任意复杂的定界符来分割字符串,但是它们都没有像其他语言那样被很好地封装。大量方法可以填充整个博客文章。
最简单的说,您可以迭代使用std::string::find
直到您点击std::string::npos
,然后使用提取内容std::string::substr
。
用于在空格上分割的更流畅(和惯用但基本的)版本应使用std::istringstream
:
auto iss = std::istringstream{"The quick brown fox"};
auto str = std::string{};
while (iss >> str) {
process(str);
}
使用std::istream_iterator
s,还可以使用其迭代器范围构造函数将字符串流的内容复制到向量中。
多个库(例如Boost.Tokenizer)提供特定的标记器。
更高级的拆分需要正则表达式。C ++ std::regex_token_iterator
为此特别提供了:
auto const str = "The quick brown fox"s;
auto const re = std::regex{R"(\s+)"};
auto const vec = std::vector<std::string>(
std::sregex_token_iterator{begin(str), end(str), re, -1},
std::sregex_token_iterator{}
);
该升压标记生成器类可以使这种相当简单的事情:
#include <iostream>
#include <string>
#include <boost/foreach.hpp>
#include <boost/tokenizer.hpp>
using namespace std;
using namespace boost;
int main(int, char**)
{
string text = "token, test string";
char_separator<char> sep(", ");
tokenizer< char_separator<char> > tokens(text, sep);
BOOST_FOREACH (const string& t, tokens) {
cout << t << "." << endl;
}
}
针对C ++ 11更新:
#include <iostream>
#include <string>
#include <boost/tokenizer.hpp>
using namespace std;
using namespace boost;
int main(int, char**)
{
string text = "token, test string";
char_separator<char> sep(", ");
tokenizer<char_separator<char>> tokens(text, sep);
for (const auto& t : tokens) {
cout << t << "." << endl;
}
}
char_separator
构造函数的第三个参数(drop_empty_tokens
默认设置,替代值为keep_empty_tokens
)。
.h
C标头)
这是一个真正简单的:
#include <vector>
#include <string>
using namespace std;
vector<string> split(const char *str, char c = ' ')
{
vector<string> result;
do
{
const char *begin = str;
while(*str != c && *str)
str++;
result.push_back(string(begin, str));
} while (0 != *str++);
return result;
}
使用strtok。我认为,除非strtok不能为您提供所需的内容,否则无需围绕标记化构建类。可能不是,但是在用C和C ++编写各种解析代码的15年以上的时间里,我一直使用strtok。这是一个例子
char myString[] = "The quick brown fox";
char *p = strtok(myString, " ");
while (p) {
printf ("Token: %s\n", p);
p = strtok(NULL, " ");
}
一些警告(可能不适合您的需求)。该字符串在此过程中被“销毁”,这意味着EOS字符被内联放置在除臭点中。正确的用法可能要求您制作字符串的非常量版本。您还可以更改中间解析的定界符列表。
我个人认为,上述代码比编写一个单独的类要简单得多,而且易于使用。对我来说,这是该语言提供的功能之一,它可以干净利落地完成。它只是一个“基于C”的解决方案。这很合适,很容易,而且您不必编写很多额外的代码:-)
另一种快速的方法是使用getline
。就像是:
stringstream ss("bla bla");
string s;
while (getline(ss, s, ' ')) {
cout << s << endl;
}
如果需要,可以创建一个简单的split()
方法来返回vector<string>
,这真的很有用。
您可以使用流,迭代器和复制算法直接进行此操作。
#include <string>
#include <vector>
#include <iostream>
#include <istream>
#include <ostream>
#include <iterator>
#include <sstream>
#include <algorithm>
int main()
{
std::string str = "The quick brown fox";
// construct a stream from the string
std::stringstream strstr(str);
// use stream iterators to copy the stream to the vector as whitespace separated strings
std::istream_iterator<std::string> it(strstr);
std::istream_iterator<std::string> end;
std::vector<std::string> results(it, end);
// send the vector to stdout.
std::ostream_iterator<std::string> oit(std::cout);
std::copy(results.begin(), results.end(), oit);
}
std
我知道我的对象来自哪里,这仅是样式问题。
没有进攻的乡亲,但对于这样一个简单的问题,你在做事情的方式太复杂了。有很多原因使用Boost。但是对于这种简单的事情,这就像用20号雪橇击中苍蝇。
void
split( vector<string> & theStringVector, /* Altered/returned value */
const string & theString,
const string & theDelimiter)
{
UASSERT( theDelimiter.size(), >, 0); // My own ASSERT macro.
size_t start = 0, end = 0;
while ( end != string::npos)
{
end = theString.find( theDelimiter, start);
// If at end, use length=maxLength. Else use length=end-start.
theStringVector.push_back( theString.substr( start,
(end == string::npos) ? string::npos : end - start));
// If at end, use start=maxSize. Else use start=end+delimiter.
start = ( ( end > (string::npos - theDelimiter.size()) )
? string::npos : end + theDelimiter.size());
}
}
例如(以道格为例),
#define SHOW(I,X) cout << "[" << (I) << "]\t " # X " = \"" << (X) << "\"" << endl
int
main()
{
vector<string> v;
split( v, "A:PEP:909:Inventory Item", ":" );
for (unsigned int i = 0; i < v.size(); i++)
SHOW( i, v[i] );
}
是的,我们可以让split()返回一个新向量,而不是传入一个向量。包装和重载都是微不足道的。但是根据我在做什么,我经常发现重用已有的对象比总创建新的对象要好。(只要我不忘记将它们之间的向量清空!)
参考:http : //www.cplusplus.com/reference/string/string/。
(我最初是对Doug的问题写的一个答案:基于分隔符的C ++字符串修改和提取。
std::string
类不包含split()函数?
start = ((end > (theString.size() - theDelimiter.size())) ? string::npos : end + theDelimiter.size());
,while循环应该是while (start != string::npos)
。另外,在将子字符串插入向量之前,我要检查它是否为空。
使用regex_token_iterator
s 的解决方案:
#include <iostream>
#include <regex>
#include <string>
using namespace std;
int main()
{
string str("The quick brown fox");
regex reg("\\s+");
sregex_token_iterator iter(str.begin(), str.end(), reg, -1);
sregex_token_iterator end;
vector<string> vec(iter, end);
for (auto a : vec)
{
cout << a << endl;
}
}
Boost具有强大的拆分功能:boost :: algorithm :: split。
示例程序:
#include <vector>
#include <boost/algorithm/string.hpp>
int main() {
auto s = "a,b, c ,,e,f,";
std::vector<std::string> fields;
boost::split(fields, s, boost::is_any_of(","));
for (const auto& field : fields)
std::cout << "\"" << field << "\"\n";
return 0;
}
输出:
"a"
"b"
" c "
""
"e"
"f"
""
这是一个示例标记器类,可能会做您想要的
//Header file
class Tokenizer
{
public:
static const std::string DELIMITERS;
Tokenizer(const std::string& str);
Tokenizer(const std::string& str, const std::string& delimiters);
bool NextToken();
bool NextToken(const std::string& delimiters);
const std::string GetToken() const;
void Reset();
protected:
size_t m_offset;
const std::string m_string;
std::string m_token;
std::string m_delimiters;
};
//CPP file
const std::string Tokenizer::DELIMITERS(" \t\n\r");
Tokenizer::Tokenizer(const std::string& s) :
m_string(s),
m_offset(0),
m_delimiters(DELIMITERS) {}
Tokenizer::Tokenizer(const std::string& s, const std::string& delimiters) :
m_string(s),
m_offset(0),
m_delimiters(delimiters) {}
bool Tokenizer::NextToken()
{
return NextToken(m_delimiters);
}
bool Tokenizer::NextToken(const std::string& delimiters)
{
size_t i = m_string.find_first_not_of(delimiters, m_offset);
if (std::string::npos == i)
{
m_offset = m_string.length();
return false;
}
size_t j = m_string.find_first_of(delimiters, i);
if (std::string::npos == j)
{
m_token = m_string.substr(i);
m_offset = m_string.length();
return true;
}
m_token = m_string.substr(i, j - i);
m_offset = j;
return true;
}
例:
std::vector <std::string> v;
Tokenizer s("split this string", " ");
while (s.NextToken())
{
v.push_back(s.GetToken());
}
这是一个简单的仅使用STL的解决方案(〜5行!)std::find
,std::find_first_not_of
它使用和处理分隔符的重复(例如空格或句点),以及前导和尾随定界符:
#include <string>
#include <vector>
void tokenize(std::string str, std::vector<string> &token_v){
size_t start = str.find_first_not_of(DELIMITER), end=start;
while (start != std::string::npos){
// Find next occurence of delimiter
end = str.find(DELIMITER, start);
// Push back the token found into vector
token_v.push_back(str.substr(start, end-start));
// Skip all occurences of the delimiter to find new start
start = str.find_first_not_of(DELIMITER, end);
}
}
现场尝试!
pystring是一个小型库,它实现了一堆Python的字符串函数,包括split方法:
#include <string>
#include <vector>
#include "pystring.h"
std::vector<std::string> chunks;
pystring::split("this string", chunks);
// also can specify a separator
pystring::split("this-string", chunks, "-");
我针对类似问题发布了此答案。
不要重新发明轮子。我使用了许多库,遇到的最快,最灵活的是: C ++ String Toolkit库。
这是我已在stackoverflow上其他地方发布的如何使用它的示例。
#include <iostream>
#include <vector>
#include <string>
#include <strtk.hpp>
const char *whitespace = " \t\r\n\f";
const char *whitespace_and_punctuation = " \t\r\n\f;,=";
int main()
{
{ // normal parsing of a string into a vector of strings
std::string s("Somewhere down the road");
std::vector<std::string> result;
if( strtk::parse( s, whitespace, result ) )
{
for(size_t i = 0; i < result.size(); ++i )
std::cout << result[i] << std::endl;
}
}
{ // parsing a string into a vector of floats with other separators
// besides spaces
std::string s("3.0, 3.14; 4.0");
std::vector<float> values;
if( strtk::parse( s, whitespace_and_punctuation, values ) )
{
for(size_t i = 0; i < values.size(); ++i )
std::cout << values[i] << std::endl;
}
}
{ // parsing a string into specific variables
std::string s("angle = 45; radius = 9.9");
std::string w1, w2;
float v1, v2;
if( strtk::parse( s, whitespace_and_punctuation, w1, v1, w2, v2) )
{
std::cout << "word " << w1 << ", value " << v1 << std::endl;
std::cout << "word " << w2 << ", value " << v2 << std::endl;
}
}
return 0;
}
检查这个例子。它可能会帮助您。
#include <iostream>
#include <sstream>
using namespace std;
int main ()
{
string tmps;
istringstream is ("the dellimiter is the space");
while (is.good ()) {
is >> tmps;
cout << tmps << "\n";
}
return 0;
}
while ( is >> tmps ) { std::cout << tmps << "\n"; }
MFC / ATL有一个非常好的标记器。从MSDN:
CAtlString str( "%First Second#Third" );
CAtlString resToken;
int curPos= 0;
resToken= str.Tokenize("% #",curPos);
while (resToken != "")
{
printf("Resulting token: %s\n", resToken);
resToken= str.Tokenize("% #",curPos);
};
Output
Resulting Token: First
Resulting Token: Second
Resulting Token: Third
对于简单的东西,我只使用以下内容:
unsigned TokenizeString(const std::string& i_source,
const std::string& i_seperators,
bool i_discard_empty_tokens,
std::vector<std::string>& o_tokens)
{
unsigned prev_pos = 0;
unsigned pos = 0;
unsigned number_of_tokens = 0;
o_tokens.clear();
pos = i_source.find_first_of(i_seperators, pos);
while (pos != std::string::npos)
{
std::string token = i_source.substr(prev_pos, pos - prev_pos);
if (!i_discard_empty_tokens || token != "")
{
o_tokens.push_back(i_source.substr(prev_pos, pos - prev_pos));
number_of_tokens++;
}
pos++;
prev_pos = pos;
pos = i_source.find_first_of(i_seperators, pos);
}
if (prev_pos < i_source.length())
{
o_tokens.push_back(i_source.substr(prev_pos));
number_of_tokens++;
}
return number_of_tokens;
}
怯弱的免责声明:我编写了实时数据处理软件,其中的数据通过二进制文件,套接字或某些API调用(I / O卡,相机的)传入。与启动时读取外部配置文件相比,我从未将此功能用于更复杂或时间紧迫的事情。
您可以简单地使用正则表达式库并使用正则表达式解决该问题。
使用表达式(\ w +)和\ 1中的变量(或$ 1,取决于正则表达式的库实现)。
这里有很多过于复杂的建议。试试这个简单的std :: string解决方案:
using namespace std;
string someText = ...
string::size_type tokenOff = 0, sepOff = tokenOff;
while (sepOff != string::npos)
{
sepOff = someText.find(' ', sepOff);
string::size_type tokenLen = (sepOff == string::npos) ? sepOff : sepOff++ - tokenOff;
string token = someText.substr(tokenOff, tokenLen);
if (!token.empty())
/* do something with token */;
tokenOff = sepOff;
}
亚当·皮尔斯(Adam Pierce)的答案提供了一个手动旋转的分词器const char*
。使用迭代器会有更多问题,因为增加一个string
end迭代器是不确定的。也就是说,鉴于string str{ "The quick brown fox" }
我们当然可以做到这一点:
auto start = find(cbegin(str), cend(str), ' ');
vector<string> tokens{ string(cbegin(str), start) };
while (start != cend(str)) {
const auto finish = find(++start, cend(str), ' ');
tokens.push_back(string(start, finish));
start = finish;
}
如果您希望通过使用标准功能来抽象复杂性,那么正如On Freund所建议的那样,这 strtok
是一个简单的选择:
vector<string> tokens;
for (auto i = strtok(data(str), " "); i != nullptr; i = strtok(nullptr, " ")) tokens.push_back(i);
如果您无权使用C ++ 17,则需要替换data(str)
为以下示例: http //ideone.com/8kAGoa
尽管在示例中未演示,但strtok
不必为每个标记使用相同的定界符。尽管具有此优点,但有几个缺点:
strtok
不能同时使用在多个对象strings
上:nullptr
必须传递a来继续对当前标记进行标记化,string
或者char*
必须传递一个新的标记化标记(但是,某些非标准实现确实支持此标记,例如:strtok_s
)strtok
,不能同时在多个线程上使用(但是,这可以定义为实现,例如:Visual Studio的实现是线程安全的)strtok
会修改string
它正在操作的对象,因此不能在const string
s,const char*
s或文字字符串上使用它,以将其中的任何一个标记化strtok
或对string
需要保留其内容的某人进行操作,str
必须对其进行复制,然后该副本才能被操作C ++ 20为我们提供了split_view
以非破坏性方式标记字符串的方法:https ://topanswers.xyz/cplusplus?q=749#a874
先前的方法无法vector
就地生成标记化的符号,这意味着没有将它们抽象为无法初始化的辅助函数const vector<string> tokens
。可以使用来利用该功能和接受任何空格分隔符的功能istream_iterator
。给定的例子:const string str{ "The quick \tbrown \nfox" }
我们可以这样做:
istringstream is{ str };
const vector<string> tokens{ istream_iterator<string>(is), istream_iterator<string>() };
istringstream
此选项所需的a构造比前两个选项具有更高的成本,但是,此成本通常隐藏在string
分配费用中。
如果以上选项都不具有足够的regex_token_iterator
灵活性来满足标记化需求,那么最灵活的选项当然是使用,当然,这种灵活性会带来更大的费用,但这又很可能隐藏在string
分配成本中。例如,假设输入以下内容,我们希望基于未转义的逗号进行标记化,并且也占用空白:const string str{ "The ,qu\\,ick ,\tbrown, fox" }
我们可以这样做:
const regex re{ "\\s*((?:[^\\\\,]|\\\\.)*?)\\s*(?:,|$)" };
const vector<string> tokens{ sregex_token_iterator(cbegin(str), cend(str), re, 1), sregex_token_iterator() };
strtok_s
顺便说一下,它是C11标准。strtok_r
是POSIX2001标准。在这两者之间strtok
,大多数平台都有一个标准的可重入版本。
#include <cstring>
仅包含c99版本的strtok
。所以我的假设是,您只是将此注释作为辅助材料提供,说明strtok
扩展的特定于实现的可用性?
strtok_s
由C11提供,并且作为Microsoft C运行时中的独立扩展提供。微软的_s
功能成为C标准在这里有一段奇怪的历史。
我知道这个问题已经回答,但我想贡献自己的力量。也许我的解决方案有点简单,但这是我想到的:
vector<string> get_words(string const& text, string const& separator)
{
vector<string> result;
string tmp = text;
size_t first_pos = 0;
size_t second_pos = tmp.find(separator);
while (second_pos != string::npos)
{
if (first_pos != second_pos)
{
string word = tmp.substr(first_pos, second_pos - first_pos);
result.push_back(word);
}
tmp = tmp.substr(second_pos + separator.length());
second_pos = tmp.find(separator);
}
result.push_back(tmp);
return result;
}
如果在我的代码中有更好的方法或出现错误,请发表评论。
更新:添加了通用分隔符
这是一种允许您控制是否包含空令牌(如strsep)或排除空令牌(如strtok)的方法。
#include <string.h> // for strchr and strlen
/*
* want_empty_tokens==true : include empty tokens, like strsep()
* want_empty_tokens==false : exclude empty tokens, like strtok()
*/
std::vector<std::string> tokenize(const char* src,
char delim,
bool want_empty_tokens)
{
std::vector<std::string> tokens;
if (src and *src != '\0') // defensive
while( true ) {
const char* d = strchr(src, delim);
size_t len = (d)? d-src : strlen(src);
if (len or want_empty_tokens)
tokens.push_back( std::string(src, len) ); // capture token
if (d) src += len+1; else break;
}
return tokens;
}
令我感到奇怪的是,在这里,我们所有人都对速度敏感,因此没有人提出过使用编译时生成的查找表作为分隔符的版本(示例实现进一步向下)。使用查找表和迭代器应该可以在效率上击败std :: regex,如果您不需要击败regex,只需使用它,它是C ++ 11的标准版本,并且非常灵活。
有些人已经建议使用正则表达式,但是对于菜鸟来说,这是一个打包的示例,应该完全符合OP的期望:
std::vector<std::string> split(std::string::const_iterator it, std::string::const_iterator end, std::regex e = std::regex{"\\w+"}){
std::smatch m{};
std::vector<std::string> ret{};
while (std::regex_search (it,end,m,e)) {
ret.emplace_back(m.str());
std::advance(it, m.position() + m.length()); //next start position = match position + match length
}
return ret;
}
std::vector<std::string> split(const std::string &s, std::regex e = std::regex{"\\w+"}){ //comfort version calls flexible version
return split(s.cbegin(), s.cend(), std::move(e));
}
int main ()
{
std::string str {"Some people, excluding those present, have been compile time constants - since puberty."};
auto v = split(str);
for(const auto&s:v){
std::cout << s << std::endl;
}
std::cout << "crazy version:" << std::endl;
v = split(str, std::regex{"[^e]+"}); //using e as delim shows flexibility
for(const auto&s:v){
std::cout << s << std::endl;
}
return 0;
}
如果我们需要更快的速度并接受所有字符必须为8位的约束,我们可以在编译时使用元编程制作一个查询表:
template<bool...> struct BoolSequence{}; //just here to hold bools
template<char...> struct CharSequence{}; //just here to hold chars
template<typename T, char C> struct Contains; //generic
template<char First, char... Cs, char Match> //not first specialization
struct Contains<CharSequence<First, Cs...>,Match> :
Contains<CharSequence<Cs...>, Match>{}; //strip first and increase index
template<char First, char... Cs> //is first specialization
struct Contains<CharSequence<First, Cs...>,First>: std::true_type {};
template<char Match> //not found specialization
struct Contains<CharSequence<>,Match>: std::false_type{};
template<int I, typename T, typename U>
struct MakeSequence; //generic
template<int I, bool... Bs, typename U>
struct MakeSequence<I,BoolSequence<Bs...>, U>: //not last
MakeSequence<I-1, BoolSequence<Contains<U,I-1>::value,Bs...>, U>{};
template<bool... Bs, typename U>
struct MakeSequence<0,BoolSequence<Bs...>,U>{ //last
using Type = BoolSequence<Bs...>;
};
template<typename T> struct BoolASCIITable;
template<bool... Bs> struct BoolASCIITable<BoolSequence<Bs...>>{
/* could be made constexpr but not yet supported by MSVC */
static bool isDelim(const char c){
static const bool table[256] = {Bs...};
return table[static_cast<int>(c)];
}
};
using Delims = CharSequence<'.',',',' ',':','\n'>; //list your custom delimiters here
using Table = BoolASCIITable<typename MakeSequence<256,BoolSequence<>,Delims>::Type>;
有了这个getNextToken
功能,就很容易了:
template<typename T_It>
std::pair<T_It,T_It> getNextToken(T_It begin,T_It end){
begin = std::find_if(begin,end,std::not1(Table{})); //find first non delim or end
auto second = std::find_if(begin,end,Table{}); //find first delim or end
return std::make_pair(begin,second);
}
使用它也很容易:
int main() {
std::string s{"Some people, excluding those present, have been compile time constants - since puberty."};
auto it = std::begin(s);
auto end = std::end(s);
while(it != std::end(s)){
auto token = getNextToken(it,end);
std::cout << std::string(token.first,token.second) << std::endl;
it = token.second;
}
return 0;
}
这是一个实时示例:http : //ideone.com/GKtkLQ
您可以利用boost :: make_find_iterator。类似于以下内容:
template<typename CH>
inline vector< basic_string<CH> > tokenize(
const basic_string<CH> &Input,
const basic_string<CH> &Delimiter,
bool remove_empty_token
) {
typedef typename basic_string<CH>::const_iterator string_iterator_t;
typedef boost::find_iterator< string_iterator_t > string_find_iterator_t;
vector< basic_string<CH> > Result;
string_iterator_t it = Input.begin();
string_iterator_t it_end = Input.end();
for(string_find_iterator_t i = boost::make_find_iterator(Input, boost::first_finder(Delimiter, boost::is_equal()));
i != string_find_iterator_t();
++i) {
if(remove_empty_token){
if(it != i->begin())
Result.push_back(basic_string<CH>(it,i->begin()));
}
else
Result.push_back(basic_string<CH>(it,i->begin()));
it = i->end();
}
if(it != it_end)
Result.push_back(basic_string<CH>(it,it_end));
return Result;
}
这是我的Swiss®折线机军刀,用于按空格分割字符串,说明单引号和双引号引起来的字符串以及从结果中剥离这些字符。我使用RegexBuddy 4.x生成了大部分代码片段,但是我添加了自定义处理以去除引号和其他一些东西。
#include <string>
#include <locale>
#include <regex>
std::vector<std::wstring> tokenize_string(std::wstring string_to_tokenize) {
std::vector<std::wstring> tokens;
std::wregex re(LR"(("[^"]*"|'[^']*'|[^"' ]+))", std::regex_constants::collate);
std::wsregex_iterator next( string_to_tokenize.begin(),
string_to_tokenize.end(),
re,
std::regex_constants::match_not_null );
std::wsregex_iterator end;
const wchar_t single_quote = L'\'';
const wchar_t double_quote = L'\"';
while ( next != end ) {
std::wsmatch match = *next;
const std::wstring token = match.str( 0 );
next++;
if (token.length() > 2 && (token.front() == double_quote || token.front() == single_quote))
tokens.emplace_back( std::wstring(token.begin()+1, token.begin()+token.length()-1) );
else
tokens.emplace_back(token);
}
return tokens;
}
如果知道要分词的输入字符串的最大长度,则可以利用它并实现非常快的版本。我正在草绘下面的基本思想,该思想受strtok()和“后缀数组”的影响-数据结构描述了Jon Bentley的“ Programming Perls”第二版,第15章。在这种情况下,C ++类仅提供了一些组织和便利性使用。可以轻松扩展所示的实现,以删除令牌中的前导和尾随空白字符。
基本上,可以使用以字符串结尾的'\ 0'字符替换分隔符,并使用修改后的字符串设置指向标记的指针。在极端情况下,当字符串仅包含分隔符时,一个将得到字符串长度加1的空标记。复制要修改的字符串是实用的。
头文件:
class TextLineSplitter
{
public:
TextLineSplitter( const size_t max_line_len );
~TextLineSplitter();
void SplitLine( const char *line,
const char sep_char = ',',
);
inline size_t NumTokens( void ) const
{
return mNumTokens;
}
const char * GetToken( const size_t token_idx ) const
{
assert( token_idx < mNumTokens );
return mTokens[ token_idx ];
}
private:
const size_t mStorageSize;
char *mBuff;
char **mTokens;
size_t mNumTokens;
inline void ResetContent( void )
{
memset( mBuff, 0, mStorageSize );
// mark all items as empty:
memset( mTokens, 0, mStorageSize * sizeof( char* ) );
// reset counter for found items:
mNumTokens = 0L;
}
};
实施文件:
TextLineSplitter::TextLineSplitter( const size_t max_line_len ):
mStorageSize ( max_line_len + 1L )
{
// allocate memory
mBuff = new char [ mStorageSize ];
mTokens = new char* [ mStorageSize ];
ResetContent();
}
TextLineSplitter::~TextLineSplitter()
{
delete [] mBuff;
delete [] mTokens;
}
void TextLineSplitter::SplitLine( const char *line,
const char sep_char /* = ',' */,
)
{
assert( sep_char != '\0' );
ResetContent();
strncpy( mBuff, line, mMaxLineLen );
size_t idx = 0L; // running index for characters
do
{
assert( idx < mStorageSize );
const char chr = line[ idx ]; // retrieve current character
if( mTokens[ mNumTokens ] == NULL )
{
mTokens[ mNumTokens ] = &mBuff[ idx ];
} // if
if( chr == sep_char || chr == '\0' )
{ // item or line finished
// overwrite separator with a 0-terminating character:
mBuff[ idx ] = '\0';
// count-up items:
mNumTokens ++;
} // if
} while( line[ idx++ ] );
}
使用情况是:
// create an instance capable of splitting strings up to 1000 chars long:
TextLineSplitter spl( 1000 );
spl.SplitLine( "Item1,,Item2,Item3" );
for( size_t i = 0; i < spl.NumTokens(); i++ )
{
printf( "%s\n", spl.GetToken( i ) );
}
输出:
Item1
Item2
Item3
boost::tokenizer
是您的朋友,但是请考虑使用wstring
/ wchar_t
代替旧版string
/ char
类型,从而使您的代码可参考国际化(i18n)问题进行移植。
#include <iostream>
#include <boost/tokenizer.hpp>
#include <string>
using namespace std;
using namespace boost;
typedef tokenizer<char_separator<wchar_t>,
wstring::const_iterator, wstring> Tok;
int main()
{
wstring s;
while (getline(wcin, s)) {
char_separator<wchar_t> sep(L" "); // list of separator characters
Tok tok(s, sep);
for (Tok::iterator beg = tok.begin(); beg != tok.end(); ++beg) {
wcout << *beg << L"\t"; // output (or store in vector)
}
wcout << L"\n";
}
return 0;
}
wchar_t
是一种依赖于实现的可怕类型,除非绝对必要,否则任何人都不应使用。
简单的C ++代码(标准C ++ 98),接受多个定界符(在std :: string中指定),仅使用向量,字符串和迭代器。
#include <iostream>
#include <vector>
#include <string>
#include <stdexcept>
std::vector<std::string>
split(const std::string& str, const std::string& delim){
std::vector<std::string> result;
if (str.empty())
throw std::runtime_error("Can not tokenize an empty string!");
std::string::const_iterator begin, str_it;
begin = str_it = str.begin();
do {
while (delim.find(*str_it) == std::string::npos && str_it != str.end())
str_it++; // find the position of the first delimiter in str
std::string token = std::string(begin, str_it); // grab the token
if (!token.empty()) // empty token only when str starts with a delimiter
result.push_back(token); // push the token into a vector<string>
while (delim.find(*str_it) != std::string::npos && str_it != str.end())
str_it++; // ignore the additional consecutive delimiters
begin = str_it; // process the remaining tokens
} while (str_it != str.end());
return result;
}
int main() {
std::string test_string = ".this is.a.../.simple;;test;;;END";
std::string delim = "; ./"; // string containing the delimiters
std::vector<std::string> tokens = split(test_string, delim);
for (std::vector<std::string>::const_iterator it = tokens.begin();
it != tokens.end(); it++)
std::cout << *it << std::endl;
}