如何在 C++ 中解析基于文本的表答案

【问题标题】：How to parse text-based table in C++如何在 C++ 中解析基于文本的表
【发布时间】：2010-11-08 20:07:34
【问题描述】：

我正在尝试使用 ifstream 以文本文件的形式解析表格，并评估/操作每个条目。但是，由于遗漏了特定项目，我无法弄清楚如何解决这个问题。考虑下表：

NEW  VER  ID   NAME
1    2a   4    "ITEM ONE" (2001)
     1    7    "2 ITEM" (2002) {OCT}
     1.1  10   "SOME ITEM 3" (2003)
1         12   "DIFFERENT ITEM 4" (2004)
1    a4   16   "ITEM5" (2005) {DEC}

如您所见，有时“新”列中没有任何内容。我要做的是记下 ID、名称、年份（在括号中），并注意后面是否有大括号。

当我开始这样做时，我寻找了一个“拆分”功能，但我意识到它会因为前面提到的缺失项和标题分离而变得有点复杂。

我能想到的一件事是逐字阅读每一行，跟踪我看到的最新数字。一旦我打了引号，请注意我看到的最新数字是一个 ID（如果我使用了类似拆分的东西，则数组位置就在引号之前），然后记录所有内容，直到下一个引号（标题），然后最后，开始寻找其他信息的括号和大括号。但是，这似乎很原始，我正在寻找更好的方法来做到这一点。

我这样做是为了提高我的 C++ 技能并使用更大的现有数据集，所以如果可能的话，我想使用 C++，但是如果另一种语言（我正在看 Perl 或 Python）让这变得非常简单，我可以学习如何将不同的语言与 C++ 接口。我现在要做的只是筛选数据，这些数据最终将成为 C++ 中的对象，所以我仍然有机会提高我的 C++ 技能。

编辑：我也意识到这可以仅使用正则表达式来完成，但如果可能的话，我想尝试使用不同的文件/字符串操作方法。

【问题讨论】：

前三列的宽度总是固定的吗？
下面的一些 token_grid 示例怎么样：codeproject.com/KB/recipes/Tokenizer.aspx 它们非常高效、优雅且易于使用。

标签： c++ string file-io tabular

【解决方案1】：

如果列偏移量确实是固定的（没有制表符，只有真正的空格字符 a la 0x20）我会一次读取一行（string::getline）并使用固定的偏移到一组四个字符串 (string::substr)。

然后根据需要对每个 4 元组字符串进行后处理。

我不会对偏移量进行硬编码，而是将它们存储在一个单独的输入文件中，该文件描述输入的格式 - 就像 SQL Server 或其他 DB 中的表描述。

【讨论】：

+1，如果列确实是固定宽度，这正是我所建议的。
就此而言，您可以根据标题行相当容易地计算出列宽。
我会将所有内容放在具有operator>>() 的struct Item 中。
刚刚检查了文件，它确实是间隔的，而不是标签。早该想到的！非常感谢。
C++ IO 流默认使用任何空格。因此，字段之间任意长度的制表符或空格（只要至少有一个空白字符）都没有区别。

【解决方案2】：

类似这样的：

读取第一行，找到"ID"，并存储索引。
使用std::getline() 读取每条数据线。
从数据行创建一个子字符串，从您在标题行中找到"ID" 的索引开始。使用它来初始化std::istringstream。
使用iss >> an_int读取ID。
搜索第一个"。搜索第二个"。搜索( 并记住它的索引。搜索 ) 并记住该索引。从这些索引之间的字符创建一个子字符串，并使用它来初始化另一个std::istringstream。从此流中读取数字。
搜索大括号。

【讨论】：