C++ 字符串解析（python 风格）答案

【问题标题】：C++ string parsing (python style)C++ 字符串解析（python 风格）
【发布时间】：2023-03-18 09:04:01
【问题描述】：

我喜欢在 python 中我可以执行以下操作：

points = []
for line in open("data.txt"):
    a,b,c = map(float, line.split(','))
    points += [(a,b,c)]

基本上它是读取一个行列表，其中每一行代表 3D 空间中的一个点，该点表示为三个用逗号分隔的数字

如何在 C++ 中做到这一点而不会让人头疼？

性能不是很重要，这种解析只发生一次，所以简单更重要。

附：我知道这听起来像是一个新手问题，但相信我，我已经用 D 语言编写了一个词法分析器（很像 C++），它涉及逐个字符读取一些文本字符并识别标记，
只是，在长时间的python之后回到C++，只是让我不想在这些事情上浪费我的时间。

【问题讨论】：

下面的一些例子怎么样，它们有点像python-esq：codeproject.com/KB/recipes/Tokenizer.aspx 此外，它们非常高效且有点优雅。

标签： c++ python parsing string text-files

【解决方案1】：

我会做这样的事情：

ifstream f("data.txt");
string str;
while (getline(f, str)) {
    Point p;
    sscanf(str.c_str(), "%f, %f, %f\n", &p.x, &p.y, &p.z); 
    points.push_back(p);
}

x,y,z 必须是浮点数。

并包括：

#include <iostream>
#include <fstream>

【讨论】：

如果您决定从使用浮点数更改为使用双精度数，请不要忘记将每个 %f 更改为 %lf。在这种情况下，不需要更改使用 operator>>() 而不是 sscanf() 的解决方案。
为了简洁明了，我接受了这个答案:)

【解决方案2】：

除了所有这些很好的例子，在 C++ 中，您通常会为您的点类型覆盖 operator >> 以实现如下效果：

point p;
while (file >> p)
    points.push_back(p);

甚至：

copy(
    istream_iterator<point>(file),
    istream_iterator<point>(),
    back_inserter(points)
);

算子的相关实现可能看起来很像 j_random_hacker 的代码。

【讨论】：

如果您要在代码中的多个不同位置输入 Point 对象，这绝对是一种方法。

【解决方案3】：

C++ String Toolkit Library (StrTk) 对您的问题有以下解决方案：

#include <string>
#include <deque>
#include "strtk.hpp"

struct point { double x,y,z; }

int main()
{
   std::deque<point> points;
   point p;
   strtk::for_each_line("data.txt",
                        [&points,&p](const std::string& str)
                        {
                           strtk::parse(str,",",p.x,p.y,p.z);
                           points.push_back(p);
                        });
   return 0;
}

更多例子可以在Here找到

【讨论】：

【解决方案4】：

#include <iostream>
#include <fstream>
#include <sstream>
#include <string>
#include <vector>
#include <algorithm>     // For replace()

using namespace std;

struct Point {
    double a, b, c;
};

int main(int argc, char **argv) {
    vector<Point> points;

    ifstream f("data.txt");

    string str;
    while (getline(f, str)) {
        replace(str.begin(), str.end(), ',', ' ');
        istringstream iss(str);
        Point p;
        iss >> p.a >> p.b >> p.c;
        points.push_back(p);
    }

    // Do something with points...

    return 0;
}

【讨论】：

@Iraimbilanja：虽然我遍历字符串两次（首先使用 replace()，然后通过 iss），但我怀疑这在实践中至少与其他解决方案一样快，除了 klew 的可能例外基于 sscanf() 的方法。 CPU 擅长 replace()。

【解决方案5】：

此答案基于 j_random_hacker 先前的答案，并利用了 Boost Spirit。

#include <iostream>
#include <fstream>
#include <sstream>
#include <string>
#include <boost/spirit.hpp>

using namespace std;
using namespace boost;
using namespace boost::spirit;

struct Point {
    double a, b, c;
};

int main(int argc, char **argv) 
{
    vector<Point> points;

    ifstream f("data.txt");

    string str;
    Point p;
    rule<> point_p = 
           double_p[assign_a(p.a)] >> ',' 
        >> double_p[assign_a(p.b)] >> ',' 
        >> double_p[assign_a(p.c)] ; 

    while (getline(f, str)) 
    {
        parse( str, point_p, space_p );
        points.push_back(p);
    }

    // Do something with points...

    return 0;
}

【讨论】：

也许是因为使用 boost::spirit 来解析逗号分隔的列表是一种矫枉过正？ Boost::spirit 显着影响编译时间。
可能是因为您在循环内实例化规则，通常这会导致效率低下，最好在循环外定义它。 - Spirit 太过分了，增加了大量的编译时间，并且几乎无法调试，编译器警告和错误消息简直难以理解。

【解决方案6】：

Boost.Tuples 的乐趣：

#include <boost/tuple/tuple_io.hpp>
#include <vector>
#include <fstream>
#include <iostream>
#include <algorithm>

int main() {
    using namespace boost::tuples;
    typedef boost::tuple<float,float,float> PointT;

    std::ifstream f("input.txt");
    f >> set_open(' ') >> set_close(' ') >> set_delimiter(',');

    std::vector<PointT> v;

    std::copy(std::istream_iterator<PointT>(f), std::istream_iterator<PointT>(),
             std::back_inserter(v)
    );

    std::copy(v.begin(), v.end(), 
              std::ostream_iterator<PointT>(std::cout)
    );
    return 0;
}

请注意，这并不严格等同于您问题中的 Python 代码，因为元组不必位于单独的行上。例如，这个：

1,2,3 4,5,6

将给出与以下相同的输出：

1,2,3
4,5,6

由您决定这是错误还是功能:)

【讨论】：

【解决方案7】：

您可以从 std::iostream 中逐行读取文件，将每一行放入 std::string 中，然后使用 boost::tokenizer 将其拆分。它不会像 python 那样优雅/简短，但比一次读取一个字符中的内容要容易得多......

【讨论】：

【解决方案8】：

它远没有那么简洁，当然我没有编译它。

float atof_s( std::string & s ) { return atoi( s.c_str() ); }
{ 
ifstream f("data.txt")
string str;
vector<vector<float>> data;
while( getline( f, str ) ) {
  vector<float> v;
  boost::algorithm::split_iterator<string::iterator> e;
  std::transform( 
     boost::algorithm::make_split_iterator( str, token_finder( is_any_of( "," ) ) ),
     e, v.begin(), atof_s );
  v.resize(3); // only grab the first 3
  data.push_back(v);
}

【讨论】：

丑陋，你知道的。你正在阅读 CSV，你让它看起来像是某种火箭科学。保持简单。

【解决方案9】：

Sony Picture Imagework 的开源项目之一是Pystring，它应该可以直接翻译字符串拆分部分：

Pystring 是 C++ 函数的集合，它使用 std::string 匹配 python 字符串类方法的接口和行为。在 C++ 中实现，它不需要或使用 python 解释器。它为标准 C++ 库中不包含的常见字符串操作提供了方便和熟悉

有a few examples和some documentation

【讨论】：

【解决方案10】：

所有这些都是很好的例子。但他们没有回答以下问题：

具有不同列号的 CSV 文件（某些行的列比其他行多）
或者当某些值有空格时（ya yb,x1 x2,,x2,）

所以对于那些还在寻找的人来说，这个类： http://www.codeguru.com/cpp/tic/tic0226.shtml 很酷...可能需要一些更改

【讨论】：