如何从 c++ 中的字符串中删除所有非字母数字字符？

Question

我正在编写一个软件，它要求我使用 libcurl 处理从网页获取的数据。当我获取数据时，由于某种原因，其中有额外的换行符。我需要找到一种只允许字母、数字和空格的方法。并删除其他所有内容，包括换行符。有什么简单的方法可以做到这一点吗？谢谢。

Answer 1

编写一个接受 char 的函数，如果要删除该字符，则返回 true；如果要保留该字符，则返回 false：

bool my_predicate(char c);

然后使用std::remove_if 算法从字符串中删除不需要的字符：

std::string s = "my data";
s.erase(std::remove_if(s.begin(), s.end(), my_predicate), s.end());

根据您的要求，您可以使用标准库谓词之一，例如 std::isalnum，而不是写你自己的谓词（你说你需要匹配字母数字字符和空格，所以这可能不完全符合您的需要）。

如果您想使用标准库 std::isalnum 函数，则需要进行强制转换来消除 C 标准库头文件中的 std::isalnum 函数之间的歧义 （这是您要使用的）和 C++ 标准库标头 中的 std::isalnum （哪个不是您想要使用的容器，除非您想要执行特定于区域设置的字符串处理）：

s.erase(std::remove_if(s.begin(), s.end(), (int(*)(int))std::isalnum), s.end());

这对于任何序列容器（包括 std::string、std: :vector 和 std::deque ）。该习惯用法通常称为“擦除/删除”习惯用法。 std::remove_if 算法也适用于普通数组。 std::remove_if 仅对序列进行一次传递，因此它具有线性时间复杂度。

Answer 2

以前使用 std::isalnum 时，如果不传递 unary 参数，则无法使用 std::ptr_fun 进行编译，因此此解决方案带有lambda 函数应该封装正确的答案：

s.erase(std::remove_if(s.begin(), s.end(), 
[]( auto const& c ) -> bool { return !std::isalnum(c); } ), s.end());

Answer 3

如果您使用字符串，您始终可以循环遍历并擦除所有非字母数字字符。

#include <cctype>

size_t i = 0;
size_t len = str.length();
while(i < len){
    if (!isalnum(str[i]) || str[i] == ' '){
        str.erase(i,1);
        len--;
    }else
        i++;
}

更好地使用标准库的人可能可以在没有循环的情况下完成此操作。

如果您仅使用 char 缓冲区，则可以循环遍历，如果字符不是字母数字，则将其后面的所有字符向后移动一位（以覆盖有问题的字符）：

#include <cctype>

size_t buflen = something;
for (size_t i = 0; i < buflen; ++i)
    if (!isalnum(buf[i]) || buf[i] != ' ')
        memcpy(buf[i], buf[i + 1], --buflen - i);

Answer 4

只是稍微扩展了 James McNellis 的代码。他的功能是删除alnum字符而不是非alnum字符。

从字符串中删除非数字字符。 （alnum = 字母或数字）

• 声明一个函数（如果传递的 char 不是 alnum，isalnum 返回 0）

  bool isNotAlnum(char c) {
      返回 isalnum(c) == 0;
  }
  

• 然后写这个

  s.erase(remove_if(s.begin(), s.end(), isNotAlnum), s.end());
  

，那么你的字符串就只有 alnum 字符。

Answer 5

对不同方法进行基准测试。

如果你正在寻找一个基准，我做了一个。

(115830 cycles) 115.8ms -> using stringstream
( 40434 cycles)  40.4ms -> s.erase(std::remove_if(s.begin(), s.end(), [](char c) { return !isalnum(c); }), s.end());
( 40389 cycles)  40.4ms -> s.erase(std::remove_if(s.begin(), s.end(), [](char c) { return ispunct(c); }), s.end());
( 42386 cycles)  42.4ms -> s.erase(remove_if(s.begin(), s.end(), not1(ptr_fun( (int(*)(int))isalnum ))), s.end());
( 42969 cycles)  43.0ms -> s.erase(remove_if(s.begin(), s.end(), []( auto const& c ) -> bool { return !isalnum(c); } ), s.end());
( 44829 cycles)  44.8ms -> alnum_from_libc(s) see below
( 24505 cycles)  24.5ms -> Puzzled? My method, see below
(  9717 cycles)   9.7ms -> using mask and bitwise operators

Original length: 8286208, current len with alnum only: 5822471

---

• Stringstream 给出了可怕的结果（但我们都知道）
• 已经给出的不同答案给出了大约相同的运行时间
• 以 C 方式执行它始终提供更好的运行时间（几乎快两倍！），这绝对值得考虑，最重要的是兼容C语言。
• 我的按位方法（也与 C 兼容）速度快了 400% 以上。

NB 必须修改所选答案，因为它只保留特殊字符

NB2：测试文件是一个（几乎）8192 kb 的文本文件，大约有 62 个数字和 12 个特殊字符，随机而且写得均匀。

---

Benchmark源码

#include <ctime>

#include <iostream>
#include <sstream>
#include <string>
#include <algorithm>

#include <locale> // ispunct
#include <cctype>

#include <fstream> // read file
#include <streambuf>

#include <sys/stat.h> // check if file exist
#include <cstring>

using namespace std;

bool exist(const char *name)
{
  struct stat   buffer;
  return !stat(name, &buffer);
}

constexpr int SIZE = 8092 * 1024;

void keep_alnum(string &s) {
    stringstream ss;
    int i = 0;
    for (i = 0; i < SIZE; i++)
        if (isalnum(s[i]))
            ss << s[i];
    s = ss.str();
}

/* my method, best runtime */
void old_school(char *s) {
    int n = 0;
    for (int i = 0; i < SIZE; i++) {
        unsigned char c = s[i] - 0x30; // '0'
        if (c < 10 || (c -= 0x11) < 26 || (c -= 0x20) < 26) // 0x30 + 0x11 = 'A' + 0x20 = 'a'
            s[n++] = s[i];
    }
    s[n] = '\0';
}

void alnum_from_libc(char *s) {
    int n = 0;
    for (int i = 0; i < SIZE; i++) {
        if (isalnum(s[i]))
            s[n++] = s[i];
    }
    s[n] = '\0';
}

#define benchmark(x) printf("\033[30m(%6.0lf cycles) \033[32m%5.1lfms\n\033[0m", x, x / (CLOCKS_PER_SEC / 1000))

int main(int ac, char **av) {
    if (ac < 2) {
        cout << "usage: ./a.out \"{your string} or ./a.out FILE \"{your file}\n";
        return 1;
    }
    string s;
    s.reserve(SIZE+1);
    string s1;
    s1.reserve(SIZE+1);
    char s4[SIZE + 1], s5[SIZE + 1];
    if (ac == 3) { 
        if (!exist(av[2])) {
            for (size_t i = 0; i < SIZE; i++)
              s4[i] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnoporstuvwxyz!@#$%^&*()__+:\"<>?,./'"[rand() % 74];
          s4[SIZE] = '\0';
          ofstream ofs(av[2]);
          if (ofs)
            ofs << s4;
        }
        ifstream ifs(av[2]);
        if (ifs) {
          ifs.rdbuf()->pubsetbuf(s4, SIZE);
          copy(istreambuf_iterator<char>(ifs), {}, s.begin());
        }
        else
          cout << "error\n";

        ifs.seekg(0, ios::beg);
        s.assign((istreambuf_iterator<char>(ifs)), istreambuf_iterator<char>());
    }
    else
        s = av[1];

    double elapsedTime;
    clock_t start;
    bool is_different = false;

    s1 = s;
    start = clock();
    keep_alnum(s1);
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    string tmp = s1;

    s1 = s;
    start = clock();
    s1.erase(std::remove_if(s1.begin(), s1.end(), [](char c) { return !isalnum(c); }), s1.end());
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    is_different |= !!strcmp(tmp.c_str(), s1.c_str());

    s1 = s;
    start = clock();
    s1.erase(std::remove_if(s1.begin(), s1.end(), [](char c) { return ispunct(c); }), s1.end());
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    is_different |= !!strcmp(tmp.c_str(), s1.c_str());

    s1 = s;
    start = clock();
    s1.erase(remove_if(s1.begin(), s1.end(), not1(ptr_fun( (int(*)(int))isalnum ))), s1.end());
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    is_different |= !!strcmp(tmp.c_str(), s1.c_str());

    s1 = s;
    start = clock();
    s1.erase(remove_if(s1.begin(), s1.end(), []( auto const& c ) -> bool { return !isalnum(c); } ), s1.end());
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    is_different |= !!strcmp(tmp.c_str(), s1.c_str());

    memcpy(s4, s.c_str(), SIZE);
    start = clock();
    alnum_from_libc(s4);
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    is_different |= !!strcmp(tmp.c_str(), s4);

    memcpy(s4, s.c_str(), SIZE);
    start = clock();
    old_school(s4);
    elapsedTime = (clock() - start);
    benchmark(elapsedTime);
    is_different |= !!strcmp(tmp.c_str(), s4);

    cout << "Original length: " << s.size() << ", current len with alnum only: " << strlen(s4) << endl;
    // make sure that strings are equivalent
    printf("\033[3%cm%s\n", ('3' + !is_different), !is_different ? "OK" : "KO");

    return 0;
}

---

我的解决方案

按位法可以直接在我的github，基本上我避免了分支指令（如果）感谢掩码。我避免使用 C++ 标签发布按位运算，我对此非常讨厌。

对于 C 风格，我迭代字符串并有两个索引：n 用于我们保留的字符，i 用于遍历字符串，我们在其中一个接一个地进行测试如果是数字，则为大写或小写。

添加此功能：

void strip_special_chars(char *s) {
    int n = 0;
    for (int i = 0; i < SIZE; i++) {
        unsigned char c = s[i] - 0x30;
        if (c < 10 || (c -= 0x11) < 26 || (c -= 0x20) < 26) // 0x30 + 0x11 = 'A' + 0x20 = 'a'
            s[n++] = s[i];
    }
    s[n] = '\0';
}

并用作：

char s1[s.size() + 1]
memcpy(s1, s.c_str(), s.size());
strip_special_chars(s1);

Answer 6

remove_copy_if 标准算法非常适合您的情况。

Answer 7

#include <cctype>
#include <string>
#include <functional>

std::string s = "Hello World!";
s.erase(std::remove_if(s.begin(), s.end(),
    std::not1(std::ptr_fun(std::isalnum)), s.end()), s.end());
std::cout << s << std::endl;

结果：

"HelloWorld"

您使用 isalnum 来确定每个字符是否是字母数字，然后使用 ptr_fun 将函数传递给 NOT1返回值，只留下你想要的字母数字内容。

Answer 8

您可以这样使用删除擦除算法 -

// Removes all punctuation       
s.erase( std::remove_if(s.begin(), s.end(), &ispunct), s.end());

Answer 9

下面的代码对于给定的字符串 s 应该可以正常工作。它利用 和 库。

std::string s("He!!llo  Wo,@rld! 12 453");
s.erase(std::remove_if(s.begin(), s.end(), [](char c) { return !std::isalnum(c); }), s.end());

Answer 10

提到的解决方案

s.erase( std::remove_if(s.begin(), s.end(), &std::ispunct), s.end());

非常好，但不幸的是在 Visual Studio（调试模式）中不适用于像“Ñ”这样的字符，因为这一行：

_ASSERTE((unsigned)(c + 1) <= 256)

在 isctype.c

所以，我会推荐这样的东西：

inline int my_ispunct( int ch )
{
    return std::ispunct(unsigned char(ch));
}
...
s.erase( std::remove_if(s.begin(), s.end(), &my_ispunct), s.end());

Answer 11

以下内容对我有用。

str.erase(std::remove_if(str.begin(), str.end(), &ispunct), str.end());
str.erase(std::remove_if(str.begin(), str.end(), &isspace), str.end());

Answer 12

void remove_spaces(string data)
{ int i=0,j=0;
    while(i<data.length())
    {
        if (isalpha(data[i]))
        {
        data[i]=data[i];
        i++;
        }
        else
            {
            data.erase(i,1);}
    }
    cout<<data;
}