Question

我想使用Boost.Tokenize将字符串拆分为标记。引号或括号中的文本必须是单个整个标记。更具体地说，我需要拆分像

这样的行

"one (two),three" four (five "six".seven ) eight(nine, ten)

成为像

这样的标记

one (two),three
four
(five "six".seven )
eight
(nine, ten)

或者

one (two),three
four
(
five "six".seven
)
eight
(
nine, ten
)

我知道the way用引号标记文本，但我不知道如何同时对文本中的文本进行标记。也许需要实施TokenizerFunction 如我所描述的那样如何分割字符串？

Answer 1

TokenizerFunction是一个有两种方法的仿函数，这两种方法都不应该很难实现。第一个是reset，用于重置仿函数可能具有的任何状态，另一个是operator()，它带有三个参数。前两个是迭代器，第三个是生成的令牌。

下面的算法很简单。首先，我们跳过任何空格。我们期望第一个非空格字符是三种中的一种。如果它是引号或左括号，那么我们搜索直到找到相应的结束分隔符并返回我们发现的令牌，注意引号应该被剥离，但显然要保留括号。如果第一个字符是其他字符，那么我们搜索下一个分隔符并返回它。

template <
  typename Iter = std::string::const_iterator,
  typename Type = std::string
  >
struct QuoteParenTokenizer
{
  void reset() { }

  bool operator()(Iter& next, Iter end, Type& tok) const
  {
    while (next != end && *next == ' ')
      ++next;
    if (next == end)
      return false; // nothing left to read

    switch (*next) {
      case '"': {
        ++next; // skip token start
        Item const quote = std::find(next, end, '"');
        if (quote == end)
          return false; // unterminated token
        tok.assign(next, quote);
        next = quote;
        ++next;
        break;
      }
      case '(': {
        Iter paren = std::find(next, end, ')');
        if (paren == end)
          return false; // unterminated token
        ++paren; // include the parenthesis
        tok.assign(next, paren);
        next = paren;
        break;
      }
      default: {
        Iter const first = next;
        while (next != end && *next != ' ' && *next != '"' && *next != '(')
          ++next;
        tok.assign(first, next);
      }
    }
    return true;
  }
};

您将其实例化为tokenizer<QuoteParenTokenizer<> >。如果您有不同的迭代器类型或不同的令牌类型，则需要在tokenizer 和 QuoteParenTokenizer的模板参数中指明它们。

如果您需要处理转义的分隔符字符，您可以获得更好的效果。如果您需要括号括起来的表达式，事情就会变得棘手。

请注意，截至目前，上述代码尚未经过测试。

Boost.Tokenizer用于引号和括号

1 个答案: