其他分享
首页 > 其他分享> > boost tokenizer 字符串按格式分解

boost tokenizer 字符串按格式分解

作者:互联网

tokenizer 库提供预定义好的四个分词对象, 其中char_delimiters_separator已弃用. 其他如下:

1. char_separator

char_separator有两个构造函数
1. char_separator()
使用函数 std::isspace() 来识别被弃分隔符,同时使用 std::ispunct() 来识别保留分隔符。另外,抛弃空白单词。(见例2)
2. char_separator(// 不保留的分隔符
                               const Char* dropped_delims,
                               // 保留的分隔符
                               const Char* kept_delims = 0, 
                               // 默认不保留空格分隔符, 反之加上改参数keep_empty_tokens
                               empty_token_policy empty_tokens = drop_empty_tokens) 

该函数创建一个 char_separator 对象,该对象被用于创建一个 token_iterator 或 tokenizer 以执行单词分解。dropped_delims 和 kept_delims 都是字符串,其中的每个字符被用作分解时的分隔符。当在输入序列中遇到一个分隔符时,当前单词即完成,并开始下一个新单词。dropped_delims 中的分隔符不出现在输出的单词中,而 kept_delims 中的分隔符则会作为单词输出。如果 empty_tokens 为 drop_empty_tokens, 则空白单词不会出现在输出中。如果 empty_tokens 为 keep_empty_tokens 则空白单词将出现在输出中。 (见例3)

2. escaped_list_separator

escaped_list_separator有两个构造函数
下面三个字符做为分隔符: '\', ',', '"'
1. explicit escaped_list_separator(Char e = '\\', Char c = ',',Char q = '\"');    

参数 描述
e 指定用作转义的字符。缺省使用C风格的\(反斜杠)。但是你可以传入不同的字符来覆盖它。
如果你有很多字段是Windows风格的文件名时,路径中的每个\都要转义。
你可以使用其它字符作为转义字符。
c 指定用作字段分隔的字符
q 指定用作引号的字符

2. escaped_list_separator(string_type e, string_type c, string_type q):

参数 描述
e 字符串e中的字符都被视为转义字符。如果给定的是空字符串,则没有转义字符。
c 字符串c中的字符都被视为分隔符。如果给定的是空字符串,则没有分隔符。
q 字符串q中的字符都被视为引号字符。如果给定的是空字符串,则没有引号字符。

 

3. offset_separator

offset_separator 有一个有用的构造函数
template<typename Iter>
  offset_separator(Iter begin,Iter end,bool bwrapoffsets = true, bool breturnpartiallast = true);

参数 描述
begin, end 指定整数偏移量序列
bwrapoffsets 指明当所有偏移量用完后是否回绕到偏移量序列的开头继续。
例如字符串 "1225200101012002" 用偏移量 (2,2,4) 分解,
如果 bwrapoffsets 为 true, 则分解为 12 25 2001 01 01 2002.
如果 bwrapoffsets 为 false, 则分解为 12 25 2001,然后就由于偏移量用完而结束。
breturnpartiallast 指明当被分解序列在生成当前偏移量所需的字符数之前结束,是否创建一个单词,或是忽略它。
例如字符串 "122501" 用偏移量 (2,2,4) 分解,
如果 breturnpartiallast 为 true,则分解为 12 25 01.
如果为 false, 则分解为 12 25,然后就由于序列中只剩下2个字符不足4个而结束。

 

例子

 

复制代码
void test_string_tokenizer()  

{  

  using namespace boost;  

  // 1. 使用缺省模板参数创建分词对象, 默认把所有的空格和标点作为分隔符.   

    {  

    std::string str("Link raise the master-sword.");  

    tokenizer<> tok(str);  

    for (BOOST_AUTO(pos, tok.begin()); pos != tok.end(); ++pos)  

            std::cout << "[" << *pos << "]";  

        std::cout << std::endl;  

    // [Link][raise][the][master][sword]  

    }  

  // 2. char_separator()  

    {  

    std::string str("Link raise the master-sword.");  

    // 一个char_separator对象, 默认构造函数(保留标点但将它看作分隔符)  

    char_separator<char> sep;  

    tokenizer<char_separator<char> > tok(str, sep);  

    for (BOOST_AUTO(pos, tok.begin()); pos != tok.end(); ++pos)  

      std::cout << "[" << *pos << "]";  

    std::cout << std::endl;  

    // [Link][raise][the][master][-][sword][.]  

    }  

    // 3. char_separator(const Char* dropped_delims,  

    //                   const Char* kept_delims = 0,   

    //                   empty_token_policy empty_tokens = drop_empty_tokens)  

    {  

      std::string str = ";!!;Hello|world||-foo--bar;yow;baz|";  

      char_separator<char> sep1("-;|");  

      tokenizer<char_separator<char> > tok1(str, sep1);  

      for (BOOST_AUTO(pos, tok1.begin()); pos != tok1.end(); ++pos)  

        std::cout << "[" << *pos << "]";  

      std::cout << std::endl;  

      // [!!][Hello][world][foo][bar][yow][baz]  

      char_separator<char> sep2("-;", "|", keep_empty_tokens);  

      tokenizer<char_separator<char> > tok2(str, sep2);  

      for (BOOST_AUTO(pos, tok2.begin()); pos != tok2.end(); ++pos)  

        std::cout << "[" << *pos << "]";  

      std::cout << std::endl;  

      // [][!!][Hello][|][world][|][][|][][foo][][bar][yow][baz][|][]  

    }  

  // 4. escaped_list_separator  

    {  

      std::string str = "Field 1,\"putting quotes around fields, allows commas\",Field 3";  

      tokenizer<escaped_list_separator<char> > tok(str);  

      for (BOOST_AUTO(pos, tok.begin()); pos != tok.end(); ++pos)  

        std::cout << "[" << *pos << "]";  

      std::cout << std::endl;  

   // [Field 1][putting quotes around fields, allows commas][Field 3]  

  // 引号内的逗号不可做为分隔符.  

    }  

  // 5. offset_separator  

    {  

      std::string str = "12252001400";  

      int offsets[] = {2, 2, 4};  

      offset_separator f(offsets, offsets + 3);  

      tokenizer<offset_separator> tok(str, f);  

      for (BOOST_AUTO(pos, tok.begin()); pos != tok.end(); ++pos)  

        std::cout << "[" << *pos << "]";  

      std::cout << std::endl;  

    }  

}  

标签:字符,tokenizer,pos,tok,separator,分隔符,字符串,boost,empty
来源: https://www.cnblogs.com/bwbfight/p/15901774.html