Question

编辑3

当我遇到正则表达式时，我使用了good'ol自定义解析方法。它并没有那么糟糕，因为文件内容可以非常巧妙地进行标记，并且可以使用 very 简单状态机在循环中解析标记。那些想要检查的人，在Stackoverflow here的另一个问题中，有一段代码用range-for，ifstream迭代器和自定义流标记器来完成。这些技术大大降低了自定义解析器的复杂性。

我想在第一部分中将文件内容标记为两个捕获组，然后逐行标记。我喜欢半功能解决方案，但我想学习如何做得更好。也就是说，没有“额外处理”来弥补我对捕获组的缺乏知识。接下来是一些预赛，最后是一个更确切的问题（行

const std::regex expression("([^:]+?)(^:|$)");

...是我想要询问的与处理结果相关的那个。）

基本上定义的文件如下：

definition_literal : value_literal
definition_literal : value_literal
definition_literal : value_literal
definition_literal : value_literal
HOW TO INTERPRET THE FOLLOWING SECTION OF ROWS
[DATA ROW 1]
[DATA ROW 2]
...
[DATA ROW n]

其中每个数据行由一定数量的整数或由空格分隔的浮点数组成。每行具有与其他行一样多的数字（例如，每行可以具有四个整数）。因此，“解释部分”基本上以一行的纯文本形式告诉这种格式。

我有一个几乎可以工作的解决方案，可以读取这样的文件：

int main() 
{
    std::ifstream file("xyz", std::ios_base::in);
    if(file.good())
    {
        std::stringstream file_memory_buffer;
        file_memory_buffer << file.rdbuf();
        std::string str = file_memory_buffer.str(); 
        file.close();

        const std::regex expression("([^:]+?)(^:|$)");
        std::smatch result;

        const std::sregex_token_iterator end;       
        for(std::sregex_token_iterator i(str.begin(), str.end(), expression); i != end; ++i)
        {
            std::cout << (*i) << std::endl;
        }
    }

    return EXIT_SUCCESS;
}

使用正则表达式定义expression，它现在打印定义文件的<value>部分，然后打印解释部分，然后逐个打印数据行。如果我将正则表达式更改为

"([^:]+?)(:|$)"

...它打印出所有标记为一组的行，几乎就像我想的那样，但是如何将第一部分分为2组，其余部分逐行标记？

真正欢迎任何指针，代码和解释。感谢。

编辑：

正如 Tom Kerr 已经提到的那样，但是还有一些额外的要点，这也是排练，或编码kata（如果你愿意的话），不是为了编写自定义解析器，而是为了看看我是否可以 - - 或者我们可以:-) - 用正则表达式完成这个。我知道正则表达式不是最有效的方法，但这并不重要。

我希望拥有的是一个标题信息元组列表（大小为2的元组），然后是INTERPRET行（大小为1的元组），我可以用它来选择一个函数来做什么使用数据行（大小为1的元组）。

是的，“HOW TO INTERPRET”行包含在一组明确定义的字符串中，我可以从头开始逐行读取，沿途分割字符串，直到满足其中一条INTERPRET行。我知道，这个正则表达式解决方案不是最有效的方法，但更像编码kata让自己编写除客户解析器以外的其他内容（而且我最近一次用C ++编写，所以这也是排练）。

编辑2

我已经设法通过更改迭代器类型来访问元组（在这个问题的上下文中），就像这样

const std::sregex_iterator end;     
for(std::sregex_iterator i(str.begin(), str.end(), expression); i != end; ++i)
{
    std::cout << "0: " << (*i)[0] << std::endl;
    std::cout << "1: " << (*i)[1] << std::endl;
    std::cout << "2: " << (*i)[2] << std::endl;
    std::cout << "***" << std::endl;
}

虽然这仍然不像我想要的那样，但我正在尝试使用的正则表达式出现了问题。无论如何，这种新的发现，另一种迭代器，也有帮助。

Answer 1

我相信你正在尝试的是：

TEST(re) {
    static const boost::regex re("^([^:]+) : ([^:]+)$");

    std::string str = "a : b";
    CHECK(boost::regex_match(str, re));
    CHECK(!boost::regex_match("a:a : bbb", re));
    CHECK(!boost::regex_match("aaa : b:b", re));

    boost::smatch what;
    CHECK(boost::regex_match(str, what, re, boost::match_extra));
    CHECK_EQUAL(3, what.size());
    CHECK_EQUAL(str, what[0]);
    CHECK_EQUAL("a", what[1]);
    CHECK_EQUAL("b", what[2]);
}

我不确定在这种情况下我会推荐正则表达式。我想你会发现一次只读一行，分开:，然后修剪空间更容易管理。

我想如果你不能将下面的线作为哨兵，那就更难了。通常我会期望这样的格式在该行中是显而易见的，而不是标题的每一行的格式。

HOW TO INTERPRET THE FOLLOWING SECTION OF ROWS

如何在C ++正则表达式中捕获0-2组并打印它们？

编辑3

编辑：

编辑2

1 个答案: