2

我想使用Boost.Tokenize. 要求引号或括号中的文本是一个完整的标记。更具体地说，我需要分割一条线

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

变成像这样的代币

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

或者可能

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

我知道用引号标记文本的方法，但我不知道如何同时用双引号标记文本。也许需要实施TokenizerFunction。
如我所述，如何拆分字符串？

4

1 回答 1

1

TokenizerFunction是一个具有两种方法的函子，这两种方法都应该很难实现。第一个是reset，这意味着重置仿函数可能具有的任何状态，另一个是operator()，它接受三个参数。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找到的作为标记的内容，注意引号应该被剥离，但括号显然要保留。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标记类型，则需要在模板参数中将它们指示为tokenizer 和 QuoteParenTokenizer。

如果您需要处理转义的分隔符，您可以变得更有趣。如果您需要带括号的表达式来嵌套，事情会变得更加棘手。

请注意，截至目前，上述代码尚未经过测试。

于 2012-02-21T20:25:33.483 回答