从字符串 C++ 中读取单词，同时忽略空格、数字和符号。

Posted 2023-02-22

【中文标题】从字符串 C++ 中读取单词，同时忽略空格、数字和符号。

【英文标题】：Reading Words From Strings C++ While Ignoring Whitespace, Numbers, and Symbols.

【发布时间】：2013-11-13 01:13:44

【问题描述】：

我正在尝试编写一个程序来读取文本文件，计算每个唯一单词，然后对唯一单词列表进行排序并列出每个单词的出现次数。但是，我似乎无法从字符串中读取单个单词，而不会弄乱并阅读字母、数字和符号。我读过其他主题，但我的逻辑在某些方面存在严重缺陷，这是我看不到的。

int main()

 fstream fp;
 string line;

fp.open("syllabus.txt", ios::in);

getline(fp, line);

    string word = findWords(line);
    cout << word << endl;


string findWords(string &line)

int j = 0;
string word;

for(int i = 0; i < line.size(); i++)

    while(isalpha((unsigned char)line[j]) != 0 && isdigit((unsigned char)line[j]) != 1)
        j++;
    word += line.substr(0, j) + " + ";
    line  = line.substr(j, (line.size() - j));

return word;

【问题讨论】：

您输入的文本是什么。你的输出文本是什么。你期待它是什么？

如果输入是“aaaa1234.01 字母季节 2013”​​，那么输出将是“aaaa + 字母 + 季节”。所以，基本上，只有字母、所有空格、符号和数字被去掉了。

我是这么想的。

【参考方案1】：

您的代码块有很多问题。对于一个你不想在迭代时改变行的人。通常，您不应更改迭代的内容。您需要一个开始索引和一个结束索引（通过搜索找到）。

这里有一个技巧，你可以用 >> 运算符读取单个单词

ifstream fp( "syllabus.txt" );
string word; 
vector<string> words;  

while (fp>> word)
    words.push_back(word);

【参考方案2】：

您只在 main 中阅读了一行，但在有问题的部分您说要阅读整个文件

为什么你定义 findwords 来获取字符串的地址却给出字符串？

i

【讨论】：

1.如果我能让一行功能正常，我会在那之后逐行读取文件。这只是分配的一些奇怪的参数。 C++ 实际上一直允许我通过检查字符串的索引来阅读，这可能再也不会在其他任何事情中有用了。

【参考方案3】：

这个循环看起来很奇怪：

for(int i = 0; i < line.size(); i++)

    while(isalpha((unsigned char)line[j]) != 0 && isdigit((unsigned char)line[j]) != 1)
        j++;
    word += line.substr(0, j) + " + ";
    line  = line.substr(j, (line.size() - j));

您的“行”正在循环内被修改，但当发生这种情况时，您的“i”不会重置为新字符串的开头。无论如何，“i”在你的循环中是无关紧要的，它不会出现在它的任何地方。

那么为什么会出现这个循环呢？

至于解决方案，有多种方法。

如果要循环，最简单的方法是将行加载到字符串中，然后使用string::find_first_not_of，其中有一个包含所有字母字符的字符串。这可能不是最有效的，甚至不是最优雅的。这将返回一个位置，该位置将是std::string::npos，表示字符串的结尾或第一个非字母字符的位置。

下一个最简单的算法是常规的 std::find 算法，它采用迭代器并允许您放入自己的谓词，并且您可以将其放在不按字母顺序排列的基础上。使用 C++11 很容易编写基于 isalpha 的 lambda（如果您的字符串可能包含常规字符集之外的字符，则可以使用旧 C 版本或使用语言环境的增强 C++ 版本）。这将返回一个迭代器，要么是字符串的end()，要么是第一个非字母字符的位置。

【讨论】：

你是对的。我正在尝试使用 i 作为 substr() 的起点，并使用 j 作为 then 长度，但显然我不是。