文字列区切り文字を使用してC ++で文字列を解析(分割)(標準C ++)


362

以下を使用してC ++で文字列を解析しています。

using namespace std;

string parsed,input="text to be parsed";
stringstream input_stringstream(input);

if (getline(input_stringstream,parsed,' '))
{
     // do some processing.
}

単一の文字区切り文字を使用した解析は問題ありません。しかし、区切り文字として文字列を使用したい場合はどうでしょうか。

例:分割したい:

scott>=tiger

>=区切り文字として、私はスコットと虎を得ることができるように。

回答:


575

std::string::find()関数を使用して文字列区切り文字の位置を見つけ、次にを使用std::string::substr()してトークンを取得できます。

例:

std::string s = "scott>=tiger";
std::string delimiter = ">=";
std::string token = s.substr(0, s.find(delimiter)); // token is "scott"
  • find(const string& str, size_t pos = 0)関数は、最初に出現する位置を返しstr、文字列、またはnpos文字列が見つからない場合に。

  • このsubstr(size_t pos = 0, size_t n = npos)関数は、positionから始まるposlengthのオブジェクトのサブストリングを返しますnpos


複数の区切り文字がある場合は、1つのトークンを抽出した後、それを削除して(区切り文字を含む)、後続の抽出を続行できます(元の文字列を保持したい場合は、を使用しますs = s.substr(pos + delimiter.length());)。

s.erase(0, s.find(delimiter) + delimiter.length());

これにより、簡単にループして各トークンを取得できます。

完全な例

std::string s = "scott>=tiger>=mushroom";
std::string delimiter = ">=";

size_t pos = 0;
std::string token;
while ((pos = s.find(delimiter)) != std::string::npos) {
    token = s.substr(0, pos);
    std::cout << token << std::endl;
    s.erase(0, pos + delimiter.length());
}
std::cout << s << std::endl;

出力:

scott
tiger
mushroom

66
入力文字列を変更したくない場合は、次のようにしますsize_t last = 0; size_t next = 0; while ((next = s.find(delimiter, last)) != string::npos) { cout << s.substr(last, next-last) << endl; last = next + 1; } cout << s.substr(last) << endl;
hayk.mart

30
注:mushroomループの外側の出力、つまりs = mushroom
Don Larynx 2015年

1
これらのサンプルは、文字列から最後のトークンを抽出しません。1つの文字列からIpV4を抽出するサンプル:<code> size_t last = 0; size_t next = 0; intインデックス= 0; while(index <4){next = str.find(delimiter、last); 自動番号= str.substr(last、next-last); IPv4 [インデックス++] = atoi(number.c_str()); 最後=次+ 1; } </ code>
rfog

2
@ hayk.martただ注意してください、それは次のようになります、区切り文字のサイズが2文字であるため、1ではなく2を追加する必要があります:):std :: string s = "scott> = tiger> = mushroom"; std :: string delimiter = "> ="; size_t最後= 0; size_t next = 0; while((next = s.find(delimiter、last))!= std :: string :: npos){std :: cout << s.substr(last、next-last)<< std :: endl; 最後=次+ 2; } std :: cout << s.substr(last)<< std :: endl;
ervinbosenbacher 2015年

「tiger」を取得するにはstd::string token = s.substr(s.find(delimiter) + 1);、存在することが確実な場合は、を使用します(長さは+1を使用します)...
gsamaras

64

このメソッドはstd::string::find、前の部分文字列トークンの最初と最後を記憶することにより、元の文字列を変更せずに使用します。

#include <iostream>
#include <string>

int main()
{
    std::string s = "scott>=tiger";
    std::string delim = ">=";

    auto start = 0U;
    auto end = s.find(delim);
    while (end != std::string::npos)
    {
        std::cout << s.substr(start, end - start) << std::endl;
        start = end + delim.length();
        end = s.find(delim, start);
    }

    std::cout << s.substr(start, end);
}

34

次の関数を使用して文字列を分割できます。

vector<string> split(const string& str, const string& delim)
{
    vector<string> tokens;
    size_t prev = 0, pos = 0;
    do
    {
        pos = str.find(delim, prev);
        if (pos == string::npos) pos = str.length();
        string token = str.substr(prev, pos-prev);
        if (!token.empty()) tokens.push_back(token);
        prev = pos + delim.length();
    }
    while (pos < str.length() && prev < str.length());
    return tokens;
}

5
IMOは期待どおりに機能しません。split("abc","a")ベクトルまたは単一の文字列"bc"を返します["", "bc"]。要素のベクトルを返した方が理にかなっていると思います。str.split()Pythonで使用するdelimと、最初または最後のいずれかで見つかった場合に空の文字列を返すはずであると私には直感的でしたが、それは私の意見です。とにかく、私はそれが言及されるべきだと思います
kyriakosSt

1
if (!token.empty()) @kyriakosStで言及されている問題や、連続する区切り文字に関連するその他の問題を削除することを強くお勧めします。
Steve

1
できれば賛成票を削除しますが、SOは許可しません。@kyriakosStによって提起された問題は問題であり、削除するだけでif (!token.empty())はそれを修正するのに十分ではないようです。
バラー

1
@bhallerこのスニペットは、空のフラグメントをスキップするように設計されています。空のものを保持する必要がある場合は、別の分割実装を作成する必要があると思います。コミュニティのために、ここに投稿することをお勧めします。
スビアトスラフ

32

文字列区切り記号用

文字列区切り文字に基づいて文字列を分割します。"adsf-+qwret-+nvfkbdsj-+orthdfjgh-+dfjrleih"文字列区切り文字に基づいて文字列を分割するなど"-+"、出力は{"adsf", "qwret", "nvfkbdsj", "orthdfjgh", "dfjrleih"}

#include <iostream>
#include <sstream>
#include <vector>

using namespace std;

// for string delimiter
vector<string> split (string s, string delimiter) {
    size_t pos_start = 0, pos_end, delim_len = delimiter.length();
    string token;
    vector<string> res;

    while ((pos_end = s.find (delimiter, pos_start)) != string::npos) {
        token = s.substr (pos_start, pos_end - pos_start);
        pos_start = pos_end + delim_len;
        res.push_back (token);
    }

    res.push_back (s.substr (pos_start));
    return res;
}

int main() {
    string str = "adsf-+qwret-+nvfkbdsj-+orthdfjgh-+dfjrleih";
    string delimiter = "-+";
    vector<string> v = split (str, delimiter);

    for (auto i : v) cout << i << endl;

    return 0;
}


出力

adsf
qwret
nvfkbdsj
orthdfjgh
dfjrleih




1文字の区切り文字

文字区切り文字に基づいて文字列を分割します。"adsf+qwer+poui+fdgh"区切り文字で文字列を分割"+"するなどの出力{"adsf", "qwer", "poui", "fdg"h}

#include <iostream>
#include <sstream>
#include <vector>

using namespace std;

vector<string> split (const string &s, char delim) {
    vector<string> result;
    stringstream ss (s);
    string item;

    while (getline (ss, item, delim)) {
        result.push_back (item);
    }

    return result;
}

int main() {
    string str = "adsf+qwer+poui+fdgh";
    vector<string> v = split (str, '+');

    for (auto i : v) cout << i << endl;

    return 0;
}


出力

adsf
qwer
poui
fdgh

あなたは戻っvector<string>てきます、それはコピーコンストラクタを呼び出すと思います。
Mayur

2
私が見たすべての参照は、コピーコンストラクターへの呼び出しがそのコンテキストで削除されていることを示しています。
デビッド・ギヴン

「モダン」(C ++ 03?)コンパイラでは、これは正しいと私は信じています。RVOや移動のセマンティクスは、コピーコンストラクタを削除します。
ケビン

私は1文字の区切り文字用に試してみましたが、文字列が区切り文字(つまり、行末の空のcsv列)で終わっている場合、空の文字列は返されません。単に1つ少ない文字列を返します。例:1,2,3,4 \ nA、B、C、
kounoupis

文字列デリミタにも試してみましたが、文字列がデリミタで終わっている場合、最後のデリミタは最後に抽出された文字列の一部になります。
kounoupis

20

このコードは、テキストから行を分割し、全員をベクターに追加します。

vector<string> split(char *phrase, string delimiter){
    vector<string> list;
    string s = string(phrase);
    size_t pos = 0;
    string token;
    while ((pos = s.find(delimiter)) != string::npos) {
        token = s.substr(0, pos);
        list.push_back(token);
        s.erase(0, pos + delimiter.length());
    }
    list.push_back(s);
    return list;
}

呼び出し元:

vector<string> listFilesMax = split(buffer, "\n");

それは素晴らしいです!list.push_back(s);を追加しました。欠けていたからです。
Stoica Mircea、2018年

1
文字列の最後の部分が欠落しています。whileループの終了後、残りのsを新しいトークンとして追加する必要があります。
-whihathac

コードサンプルを編集して、欠落しているpush_backを修正しました。
フレット

1
より良いでしょうvector<string> split(char *phrase, const string delimiter="\n")
Mayur

15

strtokを使用すると、区切り文字として複数の文字を渡すことができます。"> ="を渡した場合、例の文字列は正しく分割されます(>と=は個別の区切り文字としてカウントされます)。

c_str()文字列からchar *への変換に使用したくない場合は、EDITを使用して、substrfind_first_ofをトークン化できます。

string token, mystring("scott>=tiger");
while(token != mystring){
  token = mystring.substr(0,mystring.find_first_of(">="));
  mystring = mystring.substr(mystring.find_first_of(">=") + 1);
  printf("%s ",token.c_str());
}

3
ありがとう。しかしstrtok()、文字列ではなく文字配列を使用する必要があるため、C ++関数のみを使用し、C関数は使用しないようにします。
TheCrazyProgrammer 2013年

2
@TheCrazyProgrammerだから?C関数が必要なことを行う場合は、それを使用します。これは、C ++でC関数が利用できない世界ではありません(実際、それらは利用可能でなければなりません)。.c_str()安くて簡単です。
Qix-モニカは

1
文字列に繰り返し要素がある場合、if(token!= mystring)のチェックは誤った結果をもたらします。私はあなたのコードを使って、これがないバージョンを作りました。答えを根本的に変える多くの変更があるので、編集する代わりに自分で答えを書きました。以下で確認してください。
アンバーエルフェリンク

5

これが私の見解です。エッジケースを処理し、オプションのパラメーターを使用して、結果から空のエントリを削除します。

bool endsWith(const std::string& s, const std::string& suffix)
{
    return s.size() >= suffix.size() &&
           s.substr(s.size() - suffix.size()) == suffix;
}

std::vector<std::string> split(const std::string& s, const std::string& delimiter, const bool& removeEmptyEntries = false)
{
    std::vector<std::string> tokens;

    for (size_t start = 0, end; start < s.length(); start = end + delimiter.length())
    {
         size_t position = s.find(delimiter, start);
         end = position != string::npos ? position : s.length();

         std::string token = s.substr(start, end - start);
         if (!removeEmptyEntries || !token.empty())
         {
             tokens.push_back(token);
         }
    }

    if (!removeEmptyEntries &&
        (s.empty() || endsWith(s, delimiter)))
    {
        tokens.push_back("");
    }

    return tokens;
}

split("a-b-c", "-"); // [3]("a","b","c")

split("a--c", "-"); // [3]("a","","c")

split("-b-", "-"); // [3]("","b","")

split("--c--", "-"); // [5]("","","c","","")

split("--c--", "-", true); // [1]("c")

split("a", "-"); // [1]("a")

split("", "-"); // [1]("")

split("", "-", true); // [0]()

4

これは、文字列(または単一文字)区切り文字に対して完全に機能するはずです。含めることを忘れないでください#include <sstream>

std::string input = "Alfa=,+Bravo=,+Charlie=,+Delta";
std::string delimiter = "=,+"; 
std::istringstream ss(input);
std::string token;
std::string::iterator it;

while(std::getline(ss, token, *(it = delimiter.begin()))) {
    while(*(++it)) ss.get();
    std::cout << token << " " << '\n';
}

最初のwhileループは、文字列区切り文字の最初の文字を使用してトークンを抽出します。2番目のwhileループは、残りの区切り文字をスキップし、次のトークンの先頭で停止します。


3

私は使用しますboost::tokenizer。適切なトークナイザー関数を作成する方法を説明するドキュメントは次のとおりです:http ://www.boost.org/doc/libs/1_52_0/libs/tokenizer/tokenizerfunction.htm

これはあなたのケースで機能するものです。

struct my_tokenizer_func
{
    template<typename It>
    bool operator()(It& next, It end, std::string & tok)
    {
        if (next == end)
            return false;
        char const * del = ">=";
        auto pos = std::search(next, end, del, del + 2);
        tok.assign(next, pos);
        next = pos;
        if (next != end)
            std::advance(next, 2);
        return true;
    }

    void reset() {}
};

int main()
{
    std::string to_be_parsed = "1) one>=2) two>=3) three>=4) four";
    for (auto i : boost::tokenizer<my_tokenizer_func>(to_be_parsed))
        std::cout << i << '\n';
}

3
ありがとう。ただし、サードパーティのライブラリではなく、標準のC ++のみを希望します。
TheCrazyProgrammer 2013年

@TheCrazyProgrammer:さて、「標準C ++」を読んだとき、それは非標準の拡張ではなく、サードパーティのライブラリに準拠した標準を使用できないことを意味すると思いました。
Benjamin Lindley 2013年

3

答えはすでにありますが、選択された答えは非常にコストのかかる消去機能を使用しています。非常に大きな文字列(MB単位)を考えてください。したがって、以下の関数を使用します。

vector<string> split(const string& i_str, const string& i_delim)
{
    vector<string> result;

    size_t found = i_str.find(i_delim);
    size_t startIndex = 0;

    while(found != string::npos)
    {
        string temp(i_str.begin()+startIndex, i_str.begin()+found);
        result.push_back(temp);
        startIndex = found + i_delim.size();
        found = i_str.find(i_delim, startIndex);
    }
    if(startIndex != i_str.size())
        result.push_back(string(i_str.begin()+startIndex, i_str.end()));
    return result;      
}

私はこれをテストし、それは動作します。ありがとう!私の意見では、これは最良の答えです。元の回答者が述べているように、このソリューションはメモリのオーバーヘッドを削減し、結果は便利にベクトルに格納されます。(Python string.split()メソッドを複製します。)
ロビーキャップ

2

これは、任意の区切り文字で文字列を分割し、切り刻まれた文字列のベクトルを返す完全なメソッドです。

これは、ryanbworkからの回答からの改作です。ただし、彼のチェック:if(token != mystring)文字列に繰り返し要素がある場合、誤った結果が返されます。これがその問題に対する私の解決策です。

vector<string> Split(string mystring, string delimiter)
{
    vector<string> subStringList;
    string token;
    while (true)
    {
        size_t findfirst = mystring.find_first_of(delimiter);
        if (findfirst == string::npos) //find_first_of returns npos if it couldn't find the delimiter anymore
        {
            subStringList.push_back(mystring); //push back the final piece of mystring
            return subStringList;
        }
        token = mystring.substr(0, mystring.find_first_of(delimiter));
        mystring = mystring.substr(mystring.find_first_of(delimiter) + 1);
        subStringList.push_back(token);
    }
    return subStringList;
}

1
以下のような何かがwhile (true)、このようなコードの一部で見ることが通常怖いです。個人的には、これを書き直して、との比較std::string::npos(またはに対するチェックmystring.size())をwhile (true)廃止することをお勧めします。
Joel Bodenmann、

1

あなたは(ヴィンチェンツォPIIによって答えのように)文字列を変更したくない場合同様に、最後のトークンを出力したい、あなたは、このアプローチを使用することもできます。

inline std::vector<std::string> splitString( const std::string &s, const std::string &delimiter ){
    std::vector<std::string> ret;
    size_t start = 0;
    size_t end = 0;
    size_t len = 0;
    std::string token;
    do{ end = s.find(delimiter,start); 
        len = end - start;
        token = s.substr(start, len);
        ret.emplace_back( token );
        start += len + delimiter.length();
        std::cout << token << std::endl;
    }while ( end != std::string::npos );
    return ret;
}

0
#include<iostream>
#include<algorithm>
using namespace std;

int split_count(string str,char delimit){
return count(str.begin(),str.end(),delimit);
}

void split(string str,char delimit,string res[]){
int a=0,i=0;
while(a<str.size()){
res[i]=str.substr(a,str.find(delimit));
a+=res[i].size()+1;
i++;
}
}

int main(){

string a="abc.xyz.mno.def";
int x=split_count(a,'.')+1;
string res[x];
split(a,'.',res);

for(int i=0;i<x;i++)
cout<<res[i]<<endl;
  return 0;
}

PS:分割後の文字列の長さが等しい場合にのみ機能します


これは、GCC拡張-可変長配列を使用します。
user202729 2018

0

関数:

std::vector<std::string> WSJCppCore::split(const std::string& sWhat, const std::string& sDelim) {
    std::vector<std::string> vRet;
    int nPos = 0;
    int nLen = sWhat.length();
    int nDelimLen = sDelim.length();
    while (nPos < nLen) {
        std::size_t nFoundPos = sWhat.find(sDelim, nPos);
        if (nFoundPos != std::string::npos) {
            std::string sToken = sWhat.substr(nPos, nFoundPos - nPos);
            vRet.push_back(sToken);
            nPos = nFoundPos + nDelimLen;
            if (nFoundPos + nDelimLen == nLen) { // last delimiter
                vRet.push_back("");
            }
        } else {
            std::string sToken = sWhat.substr(nPos, nLen - nPos);
            vRet.push_back(sToken);
            break;
        }
    }
    return vRet;
}

ユニットテスト:

bool UnitTestSplit::run() {
bool bTestSuccess = true;

    struct LTest {
        LTest(
            const std::string &sStr,
            const std::string &sDelim,
            const std::vector<std::string> &vExpectedVector
        ) {
            this->sStr = sStr;
            this->sDelim = sDelim;
            this->vExpectedVector = vExpectedVector;
        };
        std::string sStr;
        std::string sDelim;
        std::vector<std::string> vExpectedVector;
    };
    std::vector<LTest> tests;
    tests.push_back(LTest("1 2 3 4 5", " ", {"1", "2", "3", "4", "5"}));
    tests.push_back(LTest("|1f|2п|3%^|44354|5kdasjfdre|2", "|", {"", "1f", "2п", "3%^", "44354", "5kdasjfdre", "2"}));
    tests.push_back(LTest("|1f|2п|3%^|44354|5kdasjfdre|", "|", {"", "1f", "2п", "3%^", "44354", "5kdasjfdre", ""}));
    tests.push_back(LTest("some1 => some2 => some3", "=>", {"some1 ", " some2 ", " some3"}));
    tests.push_back(LTest("some1 => some2 => some3 =>", "=>", {"some1 ", " some2 ", " some3 ", ""}));

    for (int i = 0; i < tests.size(); i++) {
        LTest test = tests[i];
        std::string sPrefix = "test" + std::to_string(i) + "(\"" + test.sStr + "\")";
        std::vector<std::string> vSplitted = WSJCppCore::split(test.sStr, test.sDelim);
        compareN(bTestSuccess, sPrefix + ": size", vSplitted.size(), test.vExpectedVector.size());
        int nMin = std::min(vSplitted.size(), test.vExpectedVector.size());
        for (int n = 0; n < nMin; n++) {
            compareS(bTestSuccess, sPrefix + ", element: " + std::to_string(n), vSplitted[n], test.vExpectedVector[n]);
        }
    }

    return bTestSuccess;
}

0
std::vector<std::string> parse(std::string str,std::string delim){
    std::vector<std::string> tokens;
    char *str_c = strdup(str.c_str()); 
    char* token = NULL;

    token = strtok(str_c, delim.c_str()); 
    while (token != NULL) { 
        tokens.push_back(std::string(token));  
        token = strtok(NULL, delim.c_str()); 
    }

    delete[] str_c;

    return tokens;
}

-4
std::vector<std::string> split(const std::string& s, char c) {
  std::vector<std::string> v;
  unsigned int ii = 0;
  unsigned int j = s.find(c);
  while (j < s.length()) {
    v.push_back(s.substr(i, j - i));
    i = ++j;
    j = s.find(c, j);
    if (j >= s.length()) {
      v.push_back(s.substr(i, s,length()));
      break;
    }
  }
  return v;
}

1
より正確にしてください。コードはコンパイルされません。ドットの代わりに「i」とコンマの宣言を参照してください。
jstuardo 2017年
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.