boost的字符串处理函数——string algorithm

c++在stl库中提供了一个string类用以代替c语言的char*来实现字符串功能，不过stl的string只提供了一个连接字符串和查找的功能，其它的常用函数几乎一律没有，就连字符串替换都得自己来实现，和c#的字符串函数比起来简直弱爆了。


boost库在头文件<boost/algorithm/string.hpp>中提供了不少字符串处理函数，用以帮助我们实现基本的字符串处理功能，极大程度上缓解了字符串函数不够用的问题。


    string str1("hello abc-*-ABC-*-aBc goodbye");
    vector<string> SplitVec; // #2: Search for tokens
    split(SplitVec, str1, is_any_of("-*"), token_compress_on); // SplitVec == { "hello abc","ABC","aBc goodbye" }


上述代码就提供了一个split的功能，不过和c#的版本相比，还是不够简洁，如果设计成这样就更加好用了：


    auto SplitVec = split(str1, is_any_of("-*"), token_compress_on);


之所以不以这种形式设计，貌似是因为如果在split函数里构造返回值的话，会有一次数据拷贝的开销。从中也可以看出，boost的设计还是以性能为主的。而.net程序天然没有返回值拷贝带来的开销，可以采取那种更简洁的接口形式。


PS：我觉得可以像.net那样，在堆变量中保存结果，然后通过auto_ptr封装后作作为返回值。即有简洁的接口形式，又没有数据拷贝的开销，堆变量也能通过auto_ptr自动释放。


同样，也是出于性能方向的考虑，对于会产生新字符串的函数，往往会有一个xxx和xxx_copy两个版本，例如tolower就有to_lower和to_lower_copy两个版本：一个是直接变更本身的值，一个是构造新字符串，具体选取那个根据实际场景来考虑。


另外，字符串比较函数中，往往有区分大小写和不区分大小写的算法。在boost中并不是通过参数来控制，而是直接提供xxx和ixxx两个版本，其中i就表示ignor case。如equals和iequals。还有的需要和条件函数一并使用的，这时就会提供一个xxx_if的版本。


由于提供的字符串函数比较多，这里我只按每类列举几个常用的函数和示例，如果同一个算法有xxx_copy的版本或ixxx版本，也只列举基本的形式。其它的情参看boost文档。


Case Conversion


大小写转换涉及到四个函数：to_upper()、to_upper()以及xxx_copy的版本。基本用法如下：


    cout << to_upper_copy(string("hello world")) << endl;


Trimming


Trimming函数主要有trim()、trim_left()、trim_right()和他们的xxx_copy和xxx_if版本。用于去除字符串首位的空白字符：


    cout << trim_copy(std::string(" hello world")) << endl;


当然，也不限于只去掉空白字符：


    cout << trim_copy_if(std::string(",,,hello world"), is_any_of(" ,.:")) << endl;


Predicates


Predicates函数主要有：starts_with() 、ends_with() 、contains() 、equals() 、lexicographical_compare() 、all()以及他们的ixxx版本。基本上从名字里就可以看出怎么用了：


    cout << (ends_with("hello world", "world") ? "true" : "false") << endl;


Find algorithms


查找算法有好几种：find()、first()、find_last()、find_nth() 、find_head()、find_tail()、find_token()、find_regex()。常见的用法如下：


    auto result = find_first("hello world", "world");
    if(result.empty())
        cout << "can't find result" << endl;
    else
        cout << result << endl;


其中result是一个boost::iterator_range类型的对象，可以用它来构造子串。


    string s("hello world");
    cout << s.substr(find_first(s, "wo").begin() - s.begin()) <<endl;


或者来个更复杂点的：


    string str1("abc-*-ABC-*-aBc");
    for(auto it = make_find_iterator(str1, first_finder("abc", is_iequal())); !it.eof(); ++it)
    {
        cout << copy_range<std::string>(*it) << endl;
    }


Erase/Replace


boost把erase和replace函数分开来列了，这样的好处是命名比较清晰，但不好的地方时函数变得非常多，不如重载的形式那么好记。


replace的函数有replace_all() 、replace_first()、 replace_last() 以及它们的变体，加上erase，共有20多种，这里就不一一列举了。


    cout << replace_all_copy(string("hello world"), "l", "-") << endl;


Split


split函数的用法前面以及介绍过：


    string str1("hello abc-*-ABC-*-aBc goodbye");
    vector<string> SplitVec; 
    split(SplitVec, str1, is_any_of("-*"), token_compress_on);


需要注意的是这里的token_compress_on参数，它可以吧连续多个分隔符当一个，默认没有打开，当用的时候一般是要打开的。


另外，boost把find_all函数也分到split一类里面去了，它们的用法到也确实类似。


    string str1("hello abc-*-ABC-*-aBc goodbye");
    typedef vector<iterator_range<string::iterator>> find_vector_type;
    find_vector_type FindVec;
    ifind_all( FindVec, str1, "abc" );


Join


Join函数则是和split相反，用于把多个字符串拼接起来。


    std::array<string, 3> k = {"hello", "world", "123"};
    cout << join(k, "-");        //输出结果为： hello-world-123


它要求先把参数放到容器里，不像.net的那样可以直接传入动态参数那样好用，如果能写成这样的重载形式会更好点（当然，自己封一个也不难）：


    join("-", "hello", "world", "123", …)


其它


其它还有一些条件函数，主要配合算法使用。如前面已经见过的is_any_of()、常用的还有is_upper()、is_lower()、is_digit()、is_space()等，这里就不多介绍了。