从字符串中删除所有非字母字符。

Question

有没有一种方法可以从 std::string 中删除所有非字母字符（例如,.?!等），同时不删除像ščéř这样的捷克符号？ 我尝试使用：

std::string FileHandler::removePunctuation(std::string word) {
    for (std::string::iterator i = word.begin(); i != word.end(); i++) {
        if (!isalpha(word.at(i - word.begin()))) {
            word.erase(i);
            i--;
        }
    }
    return word;    
}

但它会删除捷克字符。

在最好的情况下，我想对这些符号也使用toLowerCase。

- Jakub Gruber

---

尝试调整locale。 - StoryTeller - Unslander Monica

如果你想要按照函数名所示的那样删除标点符号，可以使用 std::ispunct 函数。 - molbdnilo

你正在使用哪种编码来处理 std::string？C++ 本身不支持 utf8，因此使用包含 utf8 数据的 std::string 不会按预期工作，因为字符串的每个元素都不对应于一个真实字符。如果正确提供区域设置，isalpha 可以与 std::wstring 或 std::u16string 一起使用。 - Jack

它很有帮助，但仍无法去除引号注释。 - Jakub Gruber

基本上，我想要删除除了字母数字字符以外的所有内容。 - Jakub Gruber

Answer 1

你可以使用std::remove_if与erase一起使用：

#include <cctype>
#include <algorithm>
#include <string>
//...
std::wstring FileHandler::removePunctuation(std::wstring word) 
{
    word.erase(std::remove_if(word.begin(), word.end(), 
                  [](char ch){ return !::iswalnum(ch); }), word.end());
    return word;
}

- PaulMcKenzie

---

我通过小的修改尝试过了（将 !::iswalnum(ch) 更改为 ::ispunct(ch)）。对于捷克语单词，它可以很好地工作，但是在使用 “ 时我遇到了问题。 - Jakub Gruber

看起来左双引号（不是ASCII双引号）在你使用的语言环境中并不被视为标点符号。您可以替换或调整lambda以进行自己的检查，但答案是通常应该编写纠删码而不是循环的方式。 - PaulMcKenzie

Answer 2

这里有一个想法：

#include <iostream>
#include <cwctype>
// if windows, add this: #include <io.h>
// if windows, add this: #include <fcntl.h>

int main()
{
  // if windows, add this: _setmode( _fileno( stdout ), _O_U16TEXT );
  std::wstring s( L"š1č2é3ř!?" );
  for ( auto c : s )
    if ( std::iswalpha( c ) )
      std::wcout << c;
  return 0;
}

- zdf

Answer 3

调用 std::setlocale(LC_ALL, "en_US.UTF-8") 后，您可以使用 std::iswalpha() 来判断某个字符是否为字母。

因此，下面的程序：

#include <cwctype>
#include <iostream>
#include <string>

int main()
{
    std::setlocale(LC_ALL, "en_US.UTF-8");
    std::wstring youreWelcome = L"Není zač.";

    for ( auto c : youreWelcome )
        if ( std::iswalpha(c) )
            std::wcout << c;

    std::wcout << std::endl;
}

将会打印

Nenízač

在控制台上回传。

请注意，std::setlocale() 本身可能不是线程安全的，也可能与其他同时执行的某些函数（如 std::iswalpha()）结合使用时不是线程安全的。因此，它只应在单线程代码中使用，例如程序启动代码。更具体地说，您不应该从 FileHandler::removePunctuation() 中调用 std::setlocale()，而只有在需要时才调用 std::iswalpha()。

- Ralph Tandetzky

Answer 4

你可能需要编写一个自定义版本的isalpha函数。根据你的描述，它似乎只对a-z和A-Z返回true。

- Cornelis de Mooij

---

isalpha 使用当前语言环境。默认情况下，这意味着只有普通的英文字符。 - NathanOliver