仅清理字符串以包含字母字符的问题答案

【问题标题】：Issues cleaning a string only to include alphabet characters仅清理字符串以包含字母字符的问题
【发布时间】：2021-12-02 09:42:36
【问题描述】：

我在编写用于编码和解码 Playfair 密码的 C++ 程序的一部分时遇到了一些问题。我遇到问题的程序部分是第一步（不幸的是，我知道），这涉及删除所有空格、标点符号和非字母字符。这就是我所拥有的：

std::string step1(std::string plaintext)
{
    plaintext.erase(remove_if(plaintext.begin(), plaintext.end(),
        std::not1(std::ptr_fun(std::isalpha))));
    plaintext.erase(remove_if(plaintext.begin(), plaintext.end(),
        std::ptr_fun(std::ispunct)));
    return plaintext;
}

输出很好，除了它在清除后在字符串末尾添加字符。通常，额外的字符是在已清理输入末尾找到的字符的副本。对于我的一生，我无法弄清楚为什么会发生这种情况。有什么想法吗？

【问题讨论】：

标签： c++ algorithm c++11

【解决方案1】：

std::remove/_if() 实际上并没有删除任何东西，它只是将匹配的项目移动到容器的末尾，然后将一个迭代器返回到该项目范围的开头。然后调用者可以使用该迭代器从容器中实际删除项目。

您将该迭代器传递给std::string::erase() 的重载，该重载将1 个迭代器作为输入。因此，它最多只会擦除 1 个字符（如果 std::remove_if() 没有找到任何内容，它将返回字符串的 end() 迭代器，并且在该迭代器上调用 erase() 是未定义的行为）。如果超过 1 个字符被“删除”到字符串的末尾，则剩余的未擦除字符将被留下。这就是您在输出中看到的内容。

要清除所有“已删除”的字符，您需要使用 std::string::erase() 的重载，它需要 2 个表示范围的迭代器，例如：

std::string step1(std::string plaintext)
{
    plaintext.erase(
        std::remove_if(plaintext.begin(), plaintext.end(),
            std::not1(std::ptr_fun(std::isalpha))
        ),
        plaintext.end()
    );
    plaintext.erase(
        std::remove_if(plaintext.begin(), plaintext.end(),
            std::ptr_fun(std::ispunct)
        ),
        plaintext.end()
    );
    return plaintext;
}

请注意，使用 std:::isalpha() 删除所有非字母字符将包括所有空格和标点字符，因此您使用 std::ispunct() 进行的第二次搜索将找不到任何要删除的内容，因此您可以完全放弃该搜索，例如：

std::string step1(std::string plaintext)
{
    plaintext.erase(
        std::remove_if(plaintext.begin(), plaintext.end(),
            std::not1(std::ptr_fun(std::isalpha))
        ),
        plaintext.end()
    );
    return plaintext;
}

话虽如此，如 cmets 中所述，std::not1() 和 std::ptr_fun 在现代 C++ 中已被弃用。在 C++11 及更高版本中，您可以使用 lambda：

std::string step1(std::string plaintext)
{
    plaintext.erase(
        std::remove_if(plaintext.begin(), plaintext.end(),
            [](unsigned char ch){ return !std::isalpha(ch); }
        ),
        plaintext.end()
    );
    return plaintext;
}

在 C++20 及更高版本中，您可以使用std::erase_if()：

std::string step1(std::string plaintext)
{
    std::erase_if(plaintext,
        [](unsigned char ch){ return !std::isalpha(ch); }
    );
    return plaintext;
}

【讨论】：

虽然这个问题被标记为 C++11，但有几点可能值得注意。首先，std::ptr_fun 在 C++11 中已被弃用，并在 C++17 中被删除。其次，std::not1 在 C++17 中被弃用，在 C++20 中被删除。最后，从 C++20 开始，获取标准库函数的地址，例如 std::isalpha，会导致未指定的行为并可能无法编译（唯一的例外是专门标记为 可寻址的 I/O 操纵器函数）。有关基本原理，请参阅this answer。因此，在新代码中，最好使用 lambda。

【解决方案2】：

也许太明显了。但是有一个专门的功能来完成这样的任务。它被称为：std::regex_replace。

这是非常通用且易于使用的。

使用正则表达式，您可以轻松定义要替换的内容。

请看：

#include <iostream>
#include <string>
#include <regex>

int main() {

    std::string test{"  ! Hello World 1234 ,;.++"};

    std::cout << std::regex_replace(test, std::regex(R"([^a-zA-Z]+)"), "");
}

【讨论】：