解析制表符分隔的字符串答案

【问题标题】：Parse Tab Delimited String解析制表符分隔的字符串
【发布时间】：2012-05-10 00:18:18
【问题描述】：

我在弄清楚如何将制表符分隔的字符串分隔成数据块时遇到了一些麻烦，例如，如果我有一个正在读取的文本文件看起来像这样

a1     b1     c1     d1     e1
a2     b2     c2     d2     e2

我读取了文件的第一行并得到了一个字符串

"a1     b1     c1     d1      e2"

我想把它分成 5 个变量 a、b、c、d 和 e，或者创建一个列表（a b c d e）。有什么想法吗？

谢谢。

【问题讨论】：

请向我们展示您到目前为止所写的内容。
我还没有写任何东西，我的原始代码是用 Perl 编写的，我需要将它转换为 lisp，我真的不知道最好的方法是什么。我开始认为它可能更容易，而不是读取一个 txt 文件只是为了合并到程序中，然后根据需要进行更改

标签： parsing lisp common-lisp csv

【解决方案1】：

尝试将括号连接到输入字符串的前后，然后使用read-from-string（我假设您使用的是 Common Lisp，因为您标记了问题剪辑）。

(setf str "a1   b1      c1      d1      e2")
(print (read-from-string (concatenate 'string "(" str ")")))

【讨论】：

【解决方案2】：

还有另一种方法（可能更健壮一点），您也可以轻松修改它，以便在调用回调后可以在字符串中“设置”一个字符，但我没有这样做那样是因为看起来你不需要这种能力。另外，在后一种情况下，我宁愿使用宏。

(defun mapc-words (function vector
                  &aux (whites '(#\Space #\Tab #\Newline #\Rubout)))
  "Iterates over string `vector' and calls the `function'
with the non-white characters collected so far.
The white characters are, by default: #\Space, #\Tab
#\Newline and #\Rubout.
`mapc-words' will short-circuit when `function' returns false."
  (do ((i 0 (1+ i))
       (start 0)
       (len 0))
      ((= i (1+ (length vector))))
    (if (or (= i (length vector)) (find (aref vector i) whites))
        (if (> len 0)
            (if (not (funcall function (subseq vector start i)))
                (return-from map-words)
                (setf len 0 start (1+ i)))
            (incf start))
        (incf len))) vector)

(mapc-words
 #'(lambda (word)
     (not
      (format t "word collected: ~s~&" word)))
 "a1     b1     c1     d1     e1
a2     b2     c2     d2     e2")

;; word collected: "a1"
;; word collected: "b1"
;; word collected: "c1"
;; word collected: "d1"
;; word collected: "e1"
;; word collected: "a2"
;; word collected: "b2"
;; word collected: "c2"
;; word collected: "d2"
;; word collected: "e2"

如果您想在阅读时修改字符串，可以使用以下示例宏，但我对它并不完全满意，所以也许有人会想出更好的变体。

(defmacro with-words-in-string
    ((word start end
           &aux (whites '(#\Space #\Tab #\Newline #\Rubout)))
     s
     &body body)
  `(do ((,end 0 (1+ ,end))
        (,start 0)
        (,word)
        (len 0))
       ((= ,end (1+ (length ,s))))
     (if (or (= ,end (length ,s)) (find (aref ,s ,end) ',whites))
         (if (> len 0)
             (progn
               (setf ,word (subseq ,s ,start ,end))
               ,@body
               (setf len 0 ,start (1+ ,end)))
             (incf ,start))
         (incf len))))

(with-words-in-string (word start end)
    "a1     b1     c1     d1     e1
a2     b2     c2     d2     e2"
(format t "word: ~s, start: ~s, end: ~s~&" word start end))

【讨论】：

我对 MAP-WORDS 的设计方面不太满意。我不会加入退出功能。 CL 库不使用它，并且退出映射可以由提供的函数本身完成（使用任何 CL 机制：返回、抛出、条件信号，...）。 CL 也不使用名称“回调”。这意味着稍有不同（事件驱动或面向访问）。在 CL 标准中使用了“函数”。 “x”应该是“向量”。 'map-words' 应该是 'mapc-words' 并返回向量。
(remove-if #'consp some-list :count 10)，REMOVE-IF还有一个KEY参数。

【解决方案3】：

假设它们是制表符（不间隔），那么这将创建一个列表

(defun tokenize-tabbed-line (line)
  (loop 
     for start = 0 then (+ space 1)
     for space = (position #\Tab line :start start)
     for token = (subseq line start space)
     collect token until (not space)))

结果如下：

CL-USER> (tokenize-tabbed-line "a1  b1  c1  d1  e1")
("a1" "b1" "c1" "d1" "e1")

【讨论】：