c++ - 从 Boost::Tokenizer 中删除重复项？

Question

我试图拆分一个逗号分隔的字符串，然后对每个标记执行一些操作，但忽略重复项，所以……。按照以下几行:

int main(int, char**)
{
   string text = "token, test   string";

  char_separator<char> sep(", ");
  tokenizer< char_separator<char> > tokens(text, sep);
  // remove duplicates from tokens?
  BOOST_FOREACH (const string& t, tokens) {
    cout << t << "." << endl;
  }
}

有没有办法在 boost::tokenizer 上做到这一点？

我知道我可以使用 boost::split 和 std::unique 解决这个问题，但想知道是否也有一种方法可以使用分词器来实现这个问题。

Answer 1

boost.tokenizer 可以做很多很酷的事情，但它不能做这个，答案确实是“不”。

如果您只想删除相邻的重复项，boost.range 可以帮助它变得无缝:

#include <iostream>
#include <string>
#include <boost/range/adaptor/uniqued.hpp>
#include <boost/foreach.hpp>
#include <boost/tokenizer.hpp>

using namespace boost;
using namespace boost::adaptors;
int main()
{
    std::string text = "token, test   string test, test   test";

    char_separator<char> sep(", ");
    tokenizer< char_separator<char> > tokens(text, sep);
    BOOST_FOREACH (const std::string& t, tokens | uniqued ) {
        std::cout << t << "." << '\n';
    }
}

这打印:

token.
test.
string.
test.

为了仅对全局唯一 token 执行某些操作，您将需要以某种方式存储状态。最简单的解决方案可能是中间集:

char_separator<char> sep(", ");
tokenizer< char_separator<char> > tokens(text, sep);
std::set<std::string> unique_tokens(tokens.begin(), tokens.end());
BOOST_FOREACH (const std::string& t, unique_tokens) {
        std::cout << t << "." << '\n';
}