简单的字符串分割

你值得拥有

        在实际工作过程中，字符串分割绝对是一个必要技能，因为很多场合下都会用到这个，例如说经典csv文件读取，其中需要用“,”进行分割。另外“.”，“-”等等各种各样，都会出现，还要考虑出现多次等情况，一段小小的处理代码都可能包含着复杂无比的逻辑，Bug也随时可能出现。

        既然来到了C++的世界，自然要简化方法，站在更高的层次来指挥代码，下面就来分析一下伟大航路的“新世界”，Are you ready？！

 

原始方法

        在“新世界”之前，看一下之前C语言的时代，是如何进行字符串分割的呢？那自然就是遍历字符串，找到对应的“分隔符”，然后将分隔符之前的内容进行保存等等。

        如果“分隔符”有多种，例如说空格，逗号等等；“分隔符”有多个等场景，要适配这么一个负责的算法，实在是很麻烦，并且要保证无Bug，那还要考虑各种字符串相关的问题。虽然程序员们都比较喜欢挑战，但是费时费力写这么个函数实在是效率太低。

        相关例子我就不浪费智商了，主要还是因为我太懒，有兴趣的可以百度一下，相信会有很多代码。

 

新的方法

        第一种方法：Boost库中的boost::split。

        优点：快捷方便，不需要考虑各种情况，根据函数说明传入各种参数即可出结果。

        缺点：需要加入Boost库。

        接下来就是我喜欢的方法了，用“流”来分割字符串，一种高大尚的感觉油然而生，废话有点多，老样子，先来看一段代码：

int main(void)
{
    std::string rawStr{"Welcome to the new world"};
    std::stringstreamss{rawStr};
    std::vector<std::string> strVec{std::istream_iterator<std::string>{ss},
       std::istream_iterator<std::string>{}};
    std::copy(strVec.begin(),strVec.end(),
       std::ostream_iterator<std::string>{std::cout, "\n"});
 
    return 0;
}

        好嘞，简单几行，代码已按照空格分割完毕，相关代码只有两行，是不是很犀利呐？

 

继续深入

        正如《如何阅读一本书》里面提到的一样，不要浅尝辄止，随时多问自己几个问题。如果现在不是安装空格进行字符串分割呢？上面的代码还是有效的吗？

        答案自然是：No！那如何解决？

        方案一，流读入时进行判断，其实本质上又回到了之前的问题，不推荐这种方式。还是把例子写出来，大家可以参考一下：

int main(void)
{
    std::string rawStr{"Welcome,to,the,new,world"};
    std::stringstreamss{rawStr};
    std::vector<std::string> strVec;
    std::string splitStr;
    while (ss)
    {
        if (!std::getline(ss,splitStr, ',')) break;
        strVec.push_back(splitStr);
    }
 
    std::copy(strVec.begin(),strVec.end(),
       std::ostream_iterator<std::string>{std::cout, "\n"});
 
    return 0;
}

        缺点很明显，如果分隔符有多种时，逻辑又会复杂的让人崩溃。

        方案二，重设locale，locale中设置分隔符是哪些，再一次，高大尚的气息迎面扑来。知识获取的快感压抑不住，废话总是有点多，代码如下：

class StringSplitLocal : public std::ctype<char>
{
public:
    StringSplitLocal() :std::ctype<char>(GetSplitTable()) {}
 
    staticstd::ctype_base::mask const *GetSplitTable()
    {
        staticstd::ctype_base::mask *masks = nullptr;
        if (nullptr == masks)
        {
            masks = newstd::ctype_base::mask[std::ctype<char>::table_size];
            std::fill_n(masks,std::ctype<char>::table_size, std::ctype_base::mask());
            masks[' '] =std::ctype_base::space;
            masks[','] =std::ctype_base::space;
        }
        return masks;
    }
};
 
int main(void)
{
    std::string rawStr{"Welcome to the,new,world"};
    std::stringstreamss{rawStr};
    ss.imbue(std::locale{std::locale{},new StringSplitLocal{}});
    std::vector<std::string>strVec{std::istream_iterator<std::string>{ss},
        std::istream_iterator<std::string>{}};
    std::copy(strVec.begin(),strVec.end(),
        std::ostream_iterator<std::string>{std::cout,"\n"});
 
    return 0;
}

        设置一个字符串分割本地化，当然进一步可以把需要分割的符号作为参数传入，这样就可以随心所欲的控制了。看这样，任意字符，任意数量，任意分割，代码短小精悍，简直是太美了！Perfect！

        需要注意的是，main中new的StringSplitLocal不要自己释放，因为stringstream析构的时候会做这件事情。如果自己释放掉，会导致继承中的纯虚函数调用失败，导致程序崩溃。

继续继续深入

        不得不说，我是一个麻烦不断的人。今天解决宽字节字符串时，自然又陷入泥潭之中。说到这，不得不感叹一下标准库的模板特化，您能保持接口一致么？虽说效率会略低一点，可是，可是……模板库不就是求高效么？

        对于宽字节，遇到了一个问题，本以为稍微修改一下字符串分割的本地化，就万事大吉了，修改代码如下：

class StringSplitLocal : public std::ctype<TCHAR>
{
public:
    StringSplitLocal() :std::ctype<TCHAR>(GetSplitTable()) {}
 
    staticstd::ctype_base::mask const *GetSplitTable()
    {
        staticstd::ctype_base::mask *masks = nullptr;
        if (nullptr == masks)
        {
            masks = newstd::ctype_base::mask[std::ctype<TCHAR>::table_size];
            std::fill_n(masks,std::ctype<TCHAR>::table_size, std::ctype_base::mask());
            masks[_T(' ')] =std::ctype_base::space;
            masks[_T(',')] =std::ctype_base::space;
        }
        return masks;
    }
};

        结果让我大跌眼镜，std::ctype<wchar_t>根本没有table_size，心中顿时万匹草泥马在奔腾啊。是啊，char的时候，table_size很好办呀，不就是8bit吗，256而已，可是wchar_t是16bit，如果全部列出来，确实有点过大。所以，std::ctype对char和wchar_t分别进行了模板特化。

        当然，这些都是小问题(大问题在后面)，于是乎，看了一下ctype<wchar_t>的特化版，发现，只要重写虚函数do_is，就可以解决流进行字符判断问题，于是写下了以下版本：

class StringSplitLocal : public std::ctype<TCHAR>
{
public:
    bool do_is(mask maskVal,TCHAR ch) const
    {
        returnstd::ctype<wchar_t>::do_is(maskVal, ch) || (ch == _T(','));
    }
};

        心想，这代码越写越精短了，可把我给乐坏了。可是大问题来了，切到char版本，测试一下，心中的草泥马又疯狂的奔过，居然结果不对？！

        好吧，看了一下std::ctype对char版本的特化，居然根本没有do_is的虚函数，一切都在is函数中使用256的表进行处理。

        最终结果，字符串分割本地化只好也分别针对char和wchar_t进行特化了。不过和写一个字符串分割函数相比，简单是轻松无比！

 

进一步思考

        第一条，还是想标准库把std::ctype保持统一化，虽然我没有针对性能效率兼容性等等各个方面进行测试，但是分别特化实在是让人很不爽。对于我来说，有时候有些东西就应该痛痛快快的砍掉，例如说std::vector<bool>，残留了这样一些不三不四的东西，终究会阻碍C++的发展。

        第二条，越来越发现C++的地大物博，像是满天的繁星，而我却想将它数清。坚定信念，继续努力，发现更多更多，学习更多更多，让激动不断充满心中！

        第三条，没有充分测试，有问题的小伙伴要随时反馈啊~~~