Usando escaped_list_separator con impulso dividida
Pregunta
Estoy jugando con la biblioteca de cadenas de impulso y acabo de venir a través de la simplicidad impresionante del método de división.
string delimiters = ",";
string str = "string, with, comma, delimited, tokens, \"and delimiters, inside a quote\"";
// If we didn't care about delimiter characters within a quoted section we could us
vector<string> tokens;
boost::split(tokens, str, boost::is_any_of(delimiters));
// gives the wrong result: tokens = {"string", " with", " comma", " delimited", " tokens", "\"and delimiters", " inside a quote\""}
Lo que sería agradable y concisa ... sin embargo, no parecen funcionar con citas y en su lugar tengo que hacer algo como lo siguiente
string delimiters = ",";
string str = "string, with, comma, delimited, tokens, \"and delimiters, inside a quote\"";
vector<string> tokens;
escaped_list_separator<char> separator("\\",delimiters, "\"");
typedef tokenizer<escaped_list_separator<char> > Tokeniser;
Tokeniser t(str, separator);
for (Tokeniser::iterator it = t.begin(); it != t.end(); ++it)
tokens.push_back(*it);
// gives the correct result: tokens = {"string", " with", " comma", " delimited", " tokens", "\"and delimiters, inside a quote\""}
Mi pregunta se puede dividir u otro algoritmo estándar se utiliza cuando se ha citado delimitadores? Gracias a purpledog pero ya tengo una manera no obsoleto de lograr el resultado deseado, simplemente creo que es bastante engorroso y menos que pudiera reemplazarla con una solución más simple más elegante que no lo usaría en general sin antes envolviéndolo en todavía otro método.
EDIT: código actualizado para mostrar resultados y aclarar la pregunta.
Solución
No parece que haya ninguna forma sencilla de hacer esto utilizando el método de impulso :: dividida. La pieza más corta del código que puedo encontrar para hacer esto es
vector<string> tokens;
tokenizer<escaped_list_separator<char> > t(str, escaped_list_separator<char>("\\", ",", "\""));
BOOST_FOREACH(string s, escTokeniser)
tokens.push_back(s);
que sólo es marginalmente más detallado que el fragmento original de
vector<string> tokens;
boost::split(tokens, str, boost::is_any_of(","));
Otros consejos
Esto va a lograr el mismo resultado que la respuesta de Jamie Cook y sin el bucle explícita.
tokenizer<escaped_list_separator<char> >tok(str);
vector<string> tokens( tok.begin(), tok.end() );
segundo parámetro por defecto de constructores tokenizer a escaped_list_separator<char>("\\", ",", "\"")
así que no es necesario. A menos que tenga requisitos diferentes para comas o comillas.
No sé acerca de la biblioteca de impulso :: string pero utilizando el impulso regex_token_iterator podrás expresar delimitadores en términos de expresión regular. Así que sí, puede utilizar delimitadores citados, y cosas mucho más complejas, así.
Tenga en cuenta que esto se hacía con regex_split que ahora está en desuso.
Este es un ejemplo tomado de la doc impulso:
#include <iostream>
#include <boost/regex.hpp>
using namespace std;
int main(int argc)
{
string s;
do{
if(argc == 1)
{
cout << "Enter text to split (or \"quit\" to exit): ";
getline(cin, s);
if(s == "quit") break;
}
else
s = "This is a string of tokens";
boost::regex re("\\s+");
boost::sregex_token_iterator i(s.begin(), s.end(), re, -1);
boost::sregex_token_iterator j;
unsigned count = 0;
while(i != j)
{
cout << *i++ << endl;
count++;
}
cout << "There were " << count << " tokens found." << endl;
}while(argc == 1);
return 0;
}
Si el programa se inicia con Hello World como argumento la salida es:
hello
world
There were 2 tokens found.
Cambiar impulso :: expresiones regulares re ( "\ s +"); en impulso :: expresiones regulares Re ( "\", \ ""); dividiría delimitadores citados . comenzando el programa con hola "" mundo como argumento también se traduciría en:
hello
world
There were 2 tokens found.
Pero sospecho que quiere tratar con cosas como que: "hola", "mundo" , en cuyo caso, una solución es:
- split con coma solamente
- a continuación, eliminar el "" (posiblemente usando realce / algoritmo / cadena / trim.hpp o la biblioteca de expresiones regulares).
EDIT: añadido salida del programa