使用 c++ 进行简单的自定义解析

Question

我已经阅读 SO 有一段时间了，但我真的无法为我的问题找到任何帮助。

我有一个创建 IAS 模拟器的 c++ 任务。

这里是一些示例代码...

0   1   a
1   2   b
2   c
3   1
10  begin
11  . load a, subtract b and offset by -1 for jump+
11  load M(0)
12  sub M(1)
13  sub M(3)
14  halt

使用 c++，我需要能够读取这些行并将它们存储在我已经构建的“内存寄存器”类中......

例如，第一行需要在寄存器 0 中存储“1 a”。

如何解析出行首的数字，然后将其余的存储为字符串？

我使用一个使用mem.set(int, string); 调用的类来设置存储。 int 是行首的内存位置，string 是存储的指令。

编辑：一些澄清：

• 我必须使用标准库
• 输入文件的语法在这里：http://www.cs.uwyo.edu/~seker/courses/2150/iascode.pdf
• 加载程序将覆盖重复的行条目。这意味着示例中的第一行 11 将被第二行覆盖。

Answer 1

我建议看看<ifstream> 库。

Answer 2

#include <iostream> // #include <fstream> for file objects as others suggest
#include <string>
#include <map>
using namespace std;

map<int, string> my_program;

int line_num;
string line_text;
while ( cin >> line_num ) { // or any input stream such as a file
    getline( cin, line_text ); // standard function defined in <string>
    my_program[ line_num ] = line_text; // store line for next phase
}

这将读取文件的行，直到遇到结尾或以数字以外的其他内容开头的行。如果您关心，请使用cin.eof() 验证是否已读取整个文件。

当然，由于map 对其内容进行排序，因此下一阶段的行将按数字顺序排列。

Answer 3

如果该行的第一部分始终是一个数字，请查看strtoul 函数。来自man 页面：

strtoul -- 将字符串转换为无符号长整数

图书馆

标准 C 库 (libc, -lc)

概要

 #include <stdlib.h>
 unsigned long strtoul(const char *restrict str, char **restrict endptr, int base);

说明

strtoul() 函数将 str 中的字符串转换为 unsigned long 价值。转换是根据给定的基数完成的， 必须介于 2 和 36 之间，或者是特殊值 0。

字符串可以以任意数量的空格（由isspace(3) 确定）开头，后跟一个可选的+ 或- 符号。如果 base 是 0 或 16，则字符串可能包含 0x 前缀，并且 数字将以 16 为基数读取；否则，零基数取为 10 （十进制）除非下一个字符是0，在这种情况下它被视为 8（八进制）。

字符串的其余部分在 明显的方式，在字符串的末尾或在给定基数中不产生有效数字的第一个字符处停止。 （在基地 10以上，大写或小写字母A代表10，B 代表 11，依此类推，Z 代表 35。）

如果endptr不是NULL，strtoul()存储第一个无效的地址 *endptr 中的字符。但是，如果根本没有数字，strtoul() 将str 的原始值存储在*endptr 中。 （因此，如果 *str 不是 \0 但是**endptr 在返回时是\0，整个字符串都是有效的。）

返回值

strtoul() 函数返回 转换的结果，或者，如果有一个前导减号 符号，转换结果的否定，除非原来的 （非否定）值会溢出；在后一种情况下，strtoul() 返回 ULONG_MAX。在所有情况下，errno 是 设置为ERANGE。如果无法执行转换，则返回 0 并 全局变量 errno 设置为 EINVAL。

---

这里的关键是endptr 参数。它设置了一个指向您需要继续解析的位置的指针。如果endptr == str，那么你就知道该行不是以数字开头的。

比起ato__ 函数，我更喜欢strto___ 系列函数，因为您可以设置base（包括上下文感应“base 0”）并且因为endptr 告诉我在哪里从继续。 （对于嵌入式应用程序，strto___ 的占用空间比 __scanf 函数要小得多。）

编辑：很抱歉错过您的评论。要使用endptr，请编写如下代码：

char* restOfLine = NULL;
unsigned long result = strtoul(lineBuffer, 10, &restOfLine);
if(restOfLine == NULL || restOfLine == lineBuffer)
{
     /* Handle error. */
}
else
{
    // Use result, and do further parsing starting at restOfLine.
}

通常，“处理错误”子句会返回或中断或抛出异常或执行其他操作来避免进一步处理，因此您不需要显式的 else 子句。

Answer 4

拆分前导数字和行的其余部分并不是一项太难的任务。使用getline 之类的东西从输入文件中一次读取一行，并将该行存储在字符串char cur_line[] 中。对于每一行，尝试这样的操作：

• 声明一个指针char* pString和一个整数int line_num
• 使用strstr 函数查找第一个空白字符，并将结果分配给pString。
• 将pString 一次向前移动一个字符，直到它指向一个非空白字符。这是包含“其余行”的字符串的开头。
• 在cur_line 上使用atoi 将字符串中的第一项转换为整数，并将结果存储在line_num
• 现在，您应该可以像mem.set(line_num, pString) 这样调用您的函数了

然而，解释这些字符串会变得更加困难......

编辑：正如 Mike DeSimone 所提到的，如果您使用 strto* 函数之一而不是 atoi，则可以组合上述 strstr 和 atoi 步骤。

Answer 5

这样的事情可能是对 Boost.Spirit 库的一个很好的使用。它是 C++ 中的 EBNF 解析器生成器，与 flex 和 yacc 类似，无需额外的编译步骤。

Answer 6

下面是简单的部分：

std::string text_to_parse;
unsigned int register_number;

void Parse_Line(std::istream& data_file)
{
  // Read in the register number.
  if(data_file >> register_number)
  {
    // Read the remaining line as a string {variable}
    getline(data_file, text_to_parse);

    //  Now do something with the text...
  }
  return;
}

您的数据文件的一个问题是它没有遵循简单的语法或句法。例如，您有两个以 11 开头的文本行。第 10 行不是“内存寄存器”行，而是指令行。另外，第 2 行和第 3 行的语法与第 0 行和第 1 行不同。

如需更多帮助，请发布语法规则（最好是 BNF 语法或 ASCII 艺术）。