El uso de impulso :: tokenizer con delimitadores de cadenas

Question

He estado buscando impulso :: tokenizer, y me he dado cuenta que la documentación es muy delgada. ¿Es posible que sea tokenize una cadena como "delfín - mono - babuino" y hacer que cada palabra una ficha, así como cada doble guión una ficha? A partir de los ejemplos que sólo he visto delimitadores de caracteres individuales están permitidos. Es la biblioteca no lo suficientemente avanzada como para los delimitadores más complicados?

Answer 1

Parece que tendrá que escribir su propio TokenizerFunction para hacer lo que quiera.

Answer 2

usando iter_split le permite utilizar múltiples fichas de personajes. El código siguiente produciría el siguiente:

  delfines
  mon-clave
  babuino

#include <iostream>
#include <boost/foreach.hpp>
#include <boost/algorithm/string.hpp>
#include <boost/algorithm/string/iter_find.hpp>

    // code starts here
    std::string s = "dolphin--mon-key--baboon";
    std::list<std::string> stringList;
    boost::iter_split(stringList, s, boost::first_finder("--"));

    BOOST_FOREACH(std::string token, stringList)
    {    
        std::cout << token << '\n';  ;
    }

Answer 3

Sé que el tema es bastante antiguo, pero se muestra en los primeros eslabones de Google cuando busco "impulsar tokenizer por la cadena"

así que voy a añadir mi variante de TokenizerFunction, por si acaso:

class FindStrTFunc
{
public:
    FindStrTFunc() : m_str(g_dataSeparator)
    {
    }

    bool operator()(std::string::const_iterator& next,
        const std::string::const_iterator& end, std::string& tok) const
    {
        if (next == end)
        {
            return false;
        }
        const std::string::const_iterator foundToken =
            std::search(next, end, m_str.begin(), m_str.end());
        tok.assign(next, foundToken);
        next = (foundToken == end) ? end : foundToken + m_str.size();
        return true;
    }

    void reset()
    {
    }

private:
    std::string m_str;
};

Una vez podemos crear

boost::tokenizer<FindStrTFunc> tok("some input...some other input");

y uso, como un impulso habitual tokenizer

Answer 4

Una opción es tratar de impulso :: expresiones regulares. No estoy seguro del rendimiento en comparación con una tokenizer personalizado.

std::string s = "dolphin--monkey--baboon";

boost::regex re("[a-z|A-Z]+|--");
boost::sregex_token_iterator iter(s.begin(), s.end() , re, 0);
boost::sregex_token_iterator end_iter;

while(iter != end_iter)
{
    std::cout << *iter << '\n';
    ++iter;
}