Suddividere una stringa in parole di delimitatori multipli

Question

Ho un testo (testo significativo o espressione aritmetica) e voglio dividerlo in parole.
Se ho avuto un unico delimitatore, userei:

std::stringstream stringStream(inputString); 
std::string word; 
while(std::getline(stringStream, word, delimiter)) 
{ 
    wordVector.push_back(word); 
} 

Come posso rompere la stringa in token con diversi delimitatori?

Answer 1

Supponendo che uno dei delimitatori sia newline, quanto segue legge la riga e la divide ulteriormente dai delimitatori. Per questo esempio ho scelto lo spazio delimitatore, l'apostrofo e il punto e virgola.

std::stringstream stringStream(inputString); 
std::string line; 
while(std::getline(stringStream, line)) 
{ 
    std::size_t prev = 0, pos; 
    while ((pos = line.find_first_of(" ';", prev)) != std::string::npos) 
    { 
     if (pos > prev) 
      wordVector.push_back(line.substr(prev, pos-prev)); 
     prev = pos+1; 
    } 
    if (prev < line.length()) 
     wordVector.push_back(line.substr(prev, std::string::npos)); 
} 

Answer 2

Se si dispone di spinta, è possibile utilizzare:

#include <boost/algorithm/string.hpp> 
std::string inputString("One!Two,Three:Four"); 
std::string delimiters("|,:"); 
std::vector<std::string> parts; 
boost::split(parts, inputString, boost::is_any_of(delimiters)); 

Answer 3

Se interessante in modo di farlo da soli e non usare il boost.

Supponendo che la stringa del delimitatore possa essere molto lunga, diciamo M, il controllo di ogni carattere nella stringa, se è un delimitatore, costerebbe O (M) ciascuno, così facendo in un ciclo per tutti i caratteri nell'originale stringa, diciamo lunga N, è O (M * N).

avrei usato un dizionario (come una mappa - "delimitatore" a "booleani" - ma qui vorrei usare un semplice array booleano che ha vero in index = valore ASCII per ogni delimitatore).

Ora l'iterazione sulla stringa e controllare se il carattere è un delimitatore è O (1), che alla fine ci fornisce O (N) nel complesso.

Ecco il mio codice di esempio:

const int dictSize = 256;  

vector<string> tokenizeMyString(const string &s, const string &del) 
{ 
    static bool dict[dictSize] = { false}; 

    vector<string> res; 
    for (int i = 0; i < del.size(); ++i) {  
     dict[del[i]] = true; 
    } 

    string token(""); 
    for (auto &i : s) { 
     if (dict[i]) { 
      if (!token.empty()) { 
       res.push_back(token); 
       token.clear(); 
      }   
     } 
     else { 
      token += i; 
     } 
    } 
    if (!token.empty()) { 
     res.push_back(token); 
    } 
    return res; 
} 


int main() 
{ 
    string delString = "MyDog:Odie, MyCat:Garfield MyNumber:1001001"; 
//the delimiters are " " (space) and "," (comma) 
    vector<string> res = tokenizeMyString(delString, " ,"); 

    for (auto &i : res) { 

     cout << "token: " << i << endl; 
    } 
return 0; 
} 

Nota: tokenizeMyString ritorna vettore per valore e creare in pila prima, quindi stiamo usando qui la potenza del compilatore >>> RVO - valore di ritorno ottimizzazione :)

Answer 4

non so il motivo per cui nessuno ha sottolineato il modo manuale, ma qui è:

const std::string delims(";,:. \n\t"); 
inline bool isDelim(char c) { 
    for (int i = 0; i < delims.size(); ++i) 
     if (delims[i] == c) 
      return true; 
    return false; 
} 

e nella funzione:

std::stringstream stringStream(inputString); 
std::string word; char c; 

while (stringStream) { 
    word.clear(); 

    // Read word 
    while (!isDelim((c = stringStream.get()))) 
     word.push_back(c); 
    if (c != EOF) 
     stringStream.unget(); 

    wordVector.push_back(word); 

    // Read delims 
    while (isDelim((c = stringStream.get()))); 
    if (c != EOF) 
     stringStream.unget(); 
} 

In questo modo è possibile fare qualcosa di utile con le delimitazioni se si desidera.