如何在 C++ 中提取格式化文本？

Question

这可能以前出现过，但我不明白如何提取格式化数据。下面是我提取文本文件中字符串“[87]”和“[90]”之间所有文本的代码。

显然，[87] 和 [90] 的位置与输出中指示的位置相同。

void ExtractWebContent::filterContent(){
    string str, str1;
    string positionOfCurrency1 = "[87]";
    string positionOfCurrency2 = "[90]";
    size_t positionOfText1, positionOfText2;
    ifstream reading;
    reading.open("file_Currency.txt");
    while (!reading.eof()){ 
        getline (reading, str);

        positionOfText1 = str.find(positionOfCurrency1);
        positionOfText2 = str.find(positionOfCurrency2);
        cout << "positionOfCurrency1 " << positionOfText1 << endl;
        cout << "positionOfCurrency2 " << positionOfText2 << endl;

        //str1= str.substr (positionOfText);
        cout << "String" << str1 << endl;
    }

    reading.close(); 

货币文件更新：

[79]更多 »由于对欧元区经济的担忧，布伦特原油跌至 102 美元

市场数据

 * Currencies

标题：货币

      Name      Price    Change % Chg
   [80]USD/SGD
              1.2606     -0.00  -0.13%

                                       USD/SGD [81]USDSGD=X
   [82]EUR/SGD
              1.5242     0.00   +0.11%

                                       EUR/SGD [83]EURSGD=X

Answer 1

这实际上取决于“提取数据的含义”。在简单的情况下，您可以只读取file into a string，然后使用string 成员函数（尤其是find 和substr）来提取您感兴趣的段。如果您对每行的数据感兴趣getline 是线提取的方法。像以前一样应用find 和substr 以获取细分。

有时一个简单的find 不会让你走得太远，你需要一个regular expression 才能轻松找到你感兴趣的部分。

简单的解析器通常会发展并很快超越regular expressions。这通常标志着非常大的 C++ 解析锤Boost.Spirit 的时间。

Answer 2

Boost.Tokenizer 有助于解析字符串，但如果这些分隔符必须像您拥有的那样用括号括起来，那就有点棘手了。使用所描述的分隔符，正则表达式可能就足够了。

Answer 3

所做的只是将读取的输出与字符串“[1]”和“[2]”连接起来。我猜这段代码是由使用scanf 对类似代码的相当字面推断得出的。 scanf（以及 C 的其余部分）仍然在 C++ 中工作，所以如果这对你有用，我会使用它。

也就是说，您可以通过各种复杂程度来执行此操作。使用正则表达式是最强大/最灵活的方法之一，但它可能有点矫枉过正。我认为最快的方法就是执行以下操作：

• 查找子字符串“[1]”的索引，i1
• 查找子字符串“[2]”的索引，i2
• 获取i1+3 和i2 之间的子字符串。

在代码中，假设std::string line 有文本：

size_t i1 = line.find("[1]");
size_t i2 = line.find("[2]");
std::string out(line.substr(i1+3, i2));

警告：没有错误检查。