c++ - 使用 std::regex 分割行并丢弃空元素

Question

我需要根据两个分隔符分割一行:' ' 和 ;。

举例:

input : " abc  ; def  hij  klm  "
output: {"abc","def","hij","klm"}

如何修复下面的函数以丢弃第一个空元素？

std::vector<std::string> Split(std::string const& line) {
    std::regex seps("[ ;]+");
    std::sregex_token_iterator rit(line.begin(), line.end(), seps, -1);
    return std::vector<std::string>(rit, std::sregex_token_iterator());
}

// input : " abc  ; def  hij  klm  "
// output: {"","abc","def","hij","klm"}

下面是编译的完整示例:

#include <iostream>
#include <string>
#include <vector>
#include <regex>

std::vector<std::string> Split(std::string const& line) {
    std::regex seps("[ ;]+");
    std::sregex_token_iterator rit(line.begin(), line.end(), seps, -1);
    return std::vector<std::string>(rit, std::sregex_token_iterator());
}

int main()
{
    std::string line = " abc  ; def  hij  klm  ";
    std::cout << "input: \"" << line << "\"" << std::endl;

    auto collection = Split(line);

    std::cout << "output: {";
    auto bComma = false;
    for (auto oneField : collection)
    {
        std::cout << (bComma ? "," : "") << "\"" << oneField << "\"";
        bComma = true;
    }
    std::cout << "} " << std::endl;
}

Answer 1

到目前为止，我可以看到除了其他问题中提到的几种可能性。第一种是在构建 vector 时使用 std::remove_copy_if:

// regex stuff here
std::vector<std::string> tokens;
std::remove_copy_if(rit, std::sregex_token_iterator(), 
                    std::back_inserter(tokens),
                    [](std::string const &s) { return s.empty(); });

另一种可能性是创建一个对字符进行适当分类的语言环境，然后从那里读取:

struct reader: std::ctype<char> {
    reader(): std::ctype<char>(get_table()) {}
    static std::ctype_base::mask const* get_table() {
        static std::vector<std::ctype_base::mask> rc(table_size, std::ctype_base::mask());

        rc[' '] = std::ctype_base::space;
        rc[';'] = std::ctype_base::space;

        // at a guess, newlines are probably still separators too:
        rc['\n'] = std::ctype_base::space;
        return &rc[0];
    }
};

一旦我们有了这个，我们就告诉流在读取(或写入)流时使用该区域设置:

std::stringstream input(" abc  ; def  hij  klm  ");

input.imbue(std::locale(std::locale(), new reader));

然后我们可能想要清理仅在标记之间插入逗号的代码，而不是在每个标记之后插入逗号。还好我写了一些code to handle that fairly neatly some time ago 。使用它，我们可以相当简单地将 token 从上面的输入复制到标准输出:

std::cout << "{ ";
std::copy(std::istream_iterator<std::string>(input), {}, 
    infix_ostream_iterator<std::string>(std::cout, ", "));  
std::cout << " }";

结果:“{ abc, def, hij, klm }”，完全符合您的预期/希望——没有任何额外的组装来弥补它一开始就做错了事情。