从字符串中提取单词 - 微妙的问题

Posted 2023-02-22

【中文标题】从字符串中提取单词 - 微妙的问题

【英文标题】：Extracting words from a string - delicate problem

【发布时间】：2019-04-07 20:24:22

【问题描述】：

我需要帮助从 C++ 中的字符串中提取单词。在我试图完成的练习的定义中，单词是任何由非字母或数字字符包围的字母和数字序列（例如标点符号、空格等）。例如：

This.Is.a.String 

我的程序应该创建一个字符串向量，其中向量的元素将是来自上述字符串的单个单词，在本例中为“This”、“Is”、“a”、“String”。

我尝试使用 for 循环遍历给定的字符串，并检查一个条件，即每当我们现在所在的字符是（按 ASCII 值）A 和 Z（a 和 z）和数字 0 和9、把它串起来。接下来，将该字符串放入向量中，并将字符串的大小调整为 0（这样我们就可以输入另一个单词。）这似乎不起作用...

vector<string> Function(string s) 
    char letter;
    string r;
    vector<string> vector_string;
     for(int i=0; i<s.length(); i++) 
        letter=toupper(s.at(i));  // I do this so all letters are capital letters, so it's easier to compare them
        r.resize(0);
   while((letter>=65 || letter<=90) && (letter>=48 || letter<=57)) 

        r.push_back(s.at(i));

    
        vector_string.push_back(r);






 return vector_string;
  

附：我对 C++ 很陌生。我知道这远非解决方案，但我必须从某个地方开始。如果你们中的任何人能帮助我在这里做什么，我将非常感激！这有点令人沮丧。

感谢您抽出宝贵时间！

【问题讨论】：

您确定在 while 循环中包含小写字母吗？另外，while循环将如何终止？您没有在循环体中进行任何修改来更改循环条件表达式中的变量。

<regex> 标头是你的朋友。

我认为你的 while 条件是错误的 - 你想要 while((letter>=65 && letter<=90) || (letter>=48 && letter<=57))

@Steve 这只是众多错误之一。

找出一个算法来做到这一点并不需要任何 C++ 技能。这是第一步。将该算法转换为 C++ 是第二步，这确实需要 C++ 技能。但是我认为您停留在第一步而不是第二步，您的 C++ 技能对我来说似乎还可以。所以想想算法，不用过多担心C++。

【参考方案1】：

你有一个无限循环。而且它的条件是不正确的。

这里有一个改进：

vector<string> split(string s) 
    char letter;
    vector<string> vector_string;

    for(int i=0; i<s.length(); ) 
        if (isalnum(s[i])) 
            string r; 
            do   
               r.push_back(s[i++]);
             while(i<s.length() && isalnum(s[i]));
            vector_string.push_back(r);
        
        else i++; 
    
    return vector_string;

Online demo

此修订版本使用预定的isalnum() 来获取单词中的字母数字字符。

为了编写更清晰的条件，作为一般规则，更喜欢在<cctype> 或更好的locale-aware counterparts 中使用标准的字符分类谓词。

编辑：如果你可以使用正则表达式？

不确定是否允许，但代码如下所示：

vector<string> split(string s) 
    regex word_definition("([a-zA-Z0-9]+)");
    auto words_begin = sregex_iterator(s.begin(), s.end(), word_definition);
    auto words_end = sregex_iterator();

    vector<string> vector_string;
    for(auto i = words_begin; i!=words_end; i++) 
        vector_string.push_back(i->str());
    
    return vector_string;

【讨论】：

请在推回vector_string之前为r添加一个空性检查。

@ElvirCrncevic 如果使用一些具有多个分隔符的随机字符串进行测试，则不仅仅是空性检查；-)

我是否还建议添加 isalpha 以进一步简化代码？

@ElvirCrncevic 是的，你可以 :-) 完成！