Dividir una cadena en palabras por múltiples delimitadores

Question

Tengo algo de texto (texto significativo o expresión aritmética) y quiero dividirlo en palabras.
Si tuviera un único delimitador, que haría uso:

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

¿Cómo puedo romper la cadena en tokens con varios delimitadores?

Answer 1

Suponiendo que uno de los delimitadores es nueva línea, lo siguiente lee la línea y luego la divide por los delimitadores. Para este ejemplo, he elegido el espacio delimitadores, el apóstrofo y el punto y coma.

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

Si tiene impulso, se puede utilizar:

#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

Si usted interesante en la forma de hacerlo por sí solo y no usar impulso.

Suponiendo que la cadena del delimitador puede ser muy larga - digamos que M, buscando cada carácter en su cadena si es un delimitador, costaría O (M) cada uno, haciendo un ciclo para todos los caracteres en su original cadena, digamos en longitud N, es O (M * N).

Usaría un diccionario (como un mapa - "delimitador" para "booleanos" - pero aquí usaría una matriz booleana simple que tiene verdadero en índice = valor ascii para cada delimitador).

Ahora iterar en la cadena y comprobar si el carácter es un delimitador es O (1), lo que finalmente nos da O (N) en general.

Aquí está mi código de ejemplo:

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 vuelve vector por valor y crear en la pila en primer lugar, por lo que estamos usando aquí el poder del compilador >>> RVO - valor de retorno optimización :)

Answer 4

no sé por qué nadie ha señalado la forma manual, pero aquí está:

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; 
} 

y en función de:

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(); 
} 

De esta manera puede hacer algo útil con los Delims si lo desea.