用于引号和括号的 Boost.Tokenizer

Question

我想使用 Boost.Tokenize 将字符串拆分为标记。要求引号或括号中的文本是一个完整的标记。更具体地说，我需要将一行分成类似的

"one (two),three" four (five "six".seven ) eight(nine, ten)

标记

one (two),three
four
(five "six".seven )
eight
(nine, ten)

，或者也许

one (two),three
four
(
five "six".seven
)
eight
(
nine, ten
)

我知道 如何标记引号中的文本，但我不知道如何同时标记括号中的文本。也许需要实现TokenizerFunction。
如何按照我的描述拆分字符串？

Answer 1

TokenizerFunction 是一个函子，有两个方法，两者都不是这应该很难实施。第一个是 reset，它意味着重置仿函数可能具有的任何状态，另一个是 operator()，它采用三个参数。前两个是迭代器，第三个是结果标记。

下面的算法很简单。首先，我们跳过任何空格。我们期望第一个非空格字符是三种类型之一。如果它是引号或左括号，那么我们将进行搜索，直到找到相应的结束分隔符并返回我们找到的标记，注意引号应该被删除，但括号显然应该保留。如果第一个字符是其他字符，则我们搜索下一个分隔符并返回它。

template <
  typename Iter = std::string::const_iterator,
  typename Type = std::string
  >
struct QuoteParenTokenizer
{
  void reset() { }

  bool operator()(Iter& next, Iter end, Type& tok) const
  {
    while (next != end && *next == ' ')
      ++next;
    if (next == end)
      return false; // nothing left to read

    switch (*next) {
      case '"': {
        ++next; // skip token start
        Item const quote = std::find(next, end, '"');
        if (quote == end)
          return false; // unterminated token
        tok.assign(next, quote);
        next = quote;
        ++next;
        break;
      }
      case '(': {
        Iter paren = std::find(next, end, ')');
        if (paren == end)
          return false; // unterminated token
        ++paren; // include the parenthesis
        tok.assign(next, paren);
        next = paren;
        break;
      }
      default: {
        Iter const first = next;
        while (next != end && *next != ' ' && *next != '"' && *next != '(')
          ++next;
        tok.assign(first, next);
      }
    }
    return true;
  }
};

您可以将其实例化为 tokenizer >。如果您有不同的迭代器类型或不同的令牌类型，则需要在 tokenizer 和 QuoteParenTokenizer。

如果您需要处理转义的分隔符，您可以变得更奇特。如果您需要括号表达式来嵌套，事情会变得更加棘手。

请注意，截至目前，上述代码尚未经过测试。