迁移自 [ Spirit-general ] 列表

_^早上好

我正在尝试跨 4 个 std::strings 解析一个相对简单的模式， 将与模式匹配的任何部分提取到一个单独的 std::string.

在抽象意义上，这就是我想要的:

s1=<string1><consecutive number>, s2=<consecutive number><string2>,
s3=<string1><consecutive number>, s4=<consecutive number><string2>

不太抽象:

s1="apple 1", s2="2 cheese", s3="apple 3", s4="4 cheese"

实际内容:

s1="lxckvjlxcjvlkjlkje xvcjxzlvcj wqrej lxvcjz ljvl;x czvouzxvcu
j;ljfds apple 1 xcvljxclvjx oueroi xcvzlkjv; zjx", s2="xzljlkxvc
jlkjxzvl jxcvljzx lvjlkj wre 2 cheese", s3="apple 3", s4="kxclvj
xcvjlxk jcvljxlck jxcvl 4 cheese"

我将如何执行这种模式匹配？

感谢所有建议，

亚历克·泰勒

更新 2

Here is a really simple explanation I just figured out to explain the problem I am trying to solve:

 std::string s1=garbagetext1+number1+name1+garbagetext4;
 std::string s3=garbagetext2+(number1+2)+name1+garbagetext5;
 std::string s5=garbagetext3+(number1+4)+name1+garbagetext6;

_{编辑上下文:}

Feel free to add it to stackoverflow (I've been having some trouble posting there)

I can't give you what I've done so far, because I wasn't sure if it was within the capabilities of the boost::spirit libraries to do what I'm trying to do

最佳答案

编辑:重新Update2

Here is a really simple explanation I just figured out to explain the problem I am trying to solve:

std::string s1=garbagetext1+number1+name1+garbagetext4;
std::string s3=garbagetext2+(number1+2)+name1+garbagetext5;
std::string s5=garbagetext3+(number1+4)+name1+garbagetext6;

它开始看起来像是一份工作:

• 标记“垃圾文本/名称”——您可以即时制作各种符号表并使用它来匹配模式( spirit Lex 和 Qi 的符号表 (qi::symbol) 可以 boost 它，但我觉得您可以以多种方式写下)
• 相反，使用正则表达式，如前所述(below，并且在邮件列表中至少两次)。

这是一个简单的想法:

 (\d+) ([a-z]+).*?(\d+) \2

• \d+匹配“(子表达式)”(NUM1)
中的数字序列
• ([a-z]+)匹配一个名字(只是选择了一个简单的“名字”定义)
• .*?跳过任何长度的垃圾，但在开始后续匹配之前尽可能少
• \d+匹配另一个数字(数字序列)(NUM2)
• \2后跟相同 名称 ( backreference )

您可以看到您是如何缩小要检查的匹配项列表到“潜在”匹配项的。您只需/post-validate/即可看到 NUM2 == NUM​​1+2

两个注意事项:

1. 添加(...)+围绕尾部以允许重复匹配模式

     (\d+) ([a-z]+)(.*?(\d+) \2)+
   

2. 您可能希望让垃圾跳过 (.*?) 知道分隔符(通过执行 negative zerowidth assertions )以避免超过 2 个跳过分隔符(例如 s\d+=" 作为定界模式)。为了清楚起见，我现在将其排除在范围之外，这是要点:

   ((?!s\d+=").)*?         -- beware of potential performance degradation
   

Alec，以下是在回答您的问题的背景下展示如何在 Boost Spirit 中执行各种操作的案例。

我不得不假设什么是必需的输入结构；我假设

• 空格是严格的(如图所示的空格，没有换行符)
• 序列号应该按升序排列
• 序号应该在文本值中准确出现
• 关键字“苹果”和“奶酪”严格交替
• 关键词是在文本值中序号之前还是之后，也是严格交替的

注意 在下面的实现中有大约十几个地方，在这些地方可能已经做出了明显不那么复杂的选择。例如，我可以对整个模式进行硬编码(作为事实上的正则表达式？)，假设输入中始终需要 4 个项目。但是我想

• 不要做不必要的假设
• 从经验中学习。特别是 qi::locals<> and inherited attributes的话题已经在我的议程上有一段时间了。

但是，该解决方案具有很大的灵 active :

• 关键字 不是硬编码的，例如，您可以轻松地使解析器接受任何序列号的两个关键字
• 注释显示了当序列号不同步(不是预期的数字)时如何生成自定义解析异常
• 当前接受序列号的不同拼写(即 s01="apple 001" 没问题。查看 Unsigned Integer Parsers 了解如何调整该行为的信息)

• 输出结构是 vector<std::pair<int, std::string> >或结构 vector :

  struct Entry
  {
      int sequence;
      std::string text;
  };
  

  两个版本都可以通过单个 #if 1/0 进行切换行

样本使用升灵气进行解析。 反之，Boost Spirit Karma用于显示解析结果:

format((('s' << auto_ << "=\"" << auto_) << "\"") % ", ", parsed)

帖子中给出的实际内容的输出是:

parsed: s1="apple 1", s2="2 cheese", s3="apple 3", s4="4 cheese"

关于代码。

#include <boost/spirit/include/qi.hpp>
#include <boost/spirit/include/karma.hpp>
#include <boost/spirit/include/phoenix.hpp>
#include <boost/spirit/include/phoenix_operator.hpp>

namespace qi = boost::spirit::qi;
namespace karma = boost::spirit::karma;
namespace phx = boost::phoenix;

#if 1 // using fusion adapted struct

    #include <boost/fusion/adapted/struct.hpp>
    struct Entry
    {
        int sequence;
        std::string text;
    };

    BOOST_FUSION_ADAPT_STRUCT(Entry, (int, sequence)(std::string, text));

#else // using boring std::pair

    #include <boost/fusion/adapted/std_pair.hpp> // for karma output generation
    typedef std::pair<int, std::string> Entry;

#endif

int main()
{
    std::string input =
        "s1=\"lxckvjlxcjvlkjlkje xvcjxzlvcj wqrej lxvcjz ljvl;x czvouzxvcu"
        "j;ljfds apple 1 xcvljxclvjx oueroi xcvzlkjv; zjx\", s2=\"xzljlkxvc"
        "jlkjxzvl jxcvljzx lvjlkj wre 2 cheese\", s3=\"apple 3\", s4=\"kxclvj"
        "xcvjlxk jcvljxlck jxcvl 4 cheese\"";

    using namespace qi;

    typedef std::string::const_iterator It;

    It f(input.begin()), l(input.end());

    int next = 1;
    qi::rule<It, std::string(int)> label;
    qi::rule<It, std::string(int)> value;
    qi::rule<It, int()>            number;
    qi::rule<It, Entry(), qi::locals<int> > assign;

    label  %= qi::raw [ 
                  ( eps(qi::_r1 % 2) >> qi::string("apple ")  > qi::uint_(qi::_r1) )
               |   qi::uint_(qi::_r1) > qi::string(" cheese")
       ];

    value  %= '"' 
        >> qi::omit[ *(~qi::char_('"') - label(qi::_r1)) ]
        >> label(qi::_r1)
        >> qi::omit[ *(~qi::char_('"'))         ]
        >> '"';

    number %= qi::uint_(phx::ref(next)++) /*| eps [ phx::throw_(std::runtime_error("Sequence number out of sync")) ] */;

    assign %= 's' > number[ qi::_a = _1 ] > '=' > value(qi::_a);

    std::vector<Entry> parsed;

    bool ok = false;
    try
    {
        ok = parse(f, l, assign % ", ", parsed);

        if (ok)
        {
            using namespace karma;
            std::cout << "parsed:\t" << format((('s' << auto_ << "=\"" << auto_) << "\"") % ", ", parsed) << std::endl;
        }
    } catch(qi::expectation_failure<It>& e)
    {
        std::cerr << "Expectation failed: " << e.what() << " '" << std::string(e.first, e.last) << "'" << std::endl;
    } catch(const std::exception& e)
    { 
        std::cerr << e.what() << std::endl; 
    }

    if (!ok || (f!=l))
        std::cerr << "problem at: '" << std::string(f,l) << "'" << std::endl;
}

关于c++ - 我将如何执行此文本模式匹配，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8074103/