如何在C++中解析基于文本的表格

Question

我正在尝试使用ifstream解析以文本文件形式呈现的表格，并评估/操作每个条目。但是，由于特定项目的省略，我很难确定如何处理这个问题。请考虑以下表格：

NEW  VER  ID   NAME
1    2a   4    "ITEM ONE" (2001)
     1    7    "2 ITEM" (2002) {OCT}
     1.1  10   "SOME ITEM 3" (2003)
1         12   "DIFFERENT ITEM 4" (2004)
1    a4   16   "ITEM5" (2005) {DEC}

如您所见，有时“NEW”列中没有任何内容。 我想要做的是记录ID、名称、年份（在括号中），并注意其后是否有大括号。

当我开始做这个任务时，我寻找了“split”函数，但我意识到由于前面提到的缺失项和标题被分离，这会变得更加复杂。

我能想到的一件事是逐字阅读每一行，跟踪我看到的最新数字。一旦我遇到引号，就需要注意到我看到的最新数字是一个ID（如果我使用类似于“split”的东西，则是引号之前的数组位置），然后记录下直到下一个引号的所有内容（标题），最后开始查找其他信息的括号和大括号。然而，这似乎非常原始，我正在寻找更好的方法来解决这个问题。

我这样做是为了磨练我的C++技能并处理更大的现有数据集，因此我希望尽可能使用C ++，但如果另一种语言（我正在看Perl或Python）可以轻松完成这项任务，我可以学习如何将不同的语言与C++进行接口。我现在只是在筛选数据，这些数据最终会成为C++中的对象，因此我仍然有机会提高我的C++技能。

编辑：我也意识到只使用正则表达式就可以完成此任务，但如果可能的话，我想尝试使用不同的文件/字符串操作方法。

- julian

---

前三列是否始终具有固定宽度？ - casablanca

从以下链接中的 token_grid 示例中选取一些如何？它们非常高效、优雅且易于使用。 - Matthieu N.

Answer 1

如果列偏移量真正固定（没有制表符，只有真实的空格字符，如0x20），我会逐行读取它（使用string::getline），并使用固定的偏移量将其分解为一组四个字符串（string::substr）。

然后根据需要对每个4元组的字符串进行后处理。

我不会硬编码偏移量，而是将它们存储在一个单独的输入文件中，该文件描述输入的格式 - 就像SQL Server或其他DB中的表描述一样。

- Steve Townsend

---

+1，如果列确实是固定宽度，那么这正是我要建议的。 - casablanca

我会把所有内容放在一个名为struct Item的结构体中，并添加operator>>(). - wilhelmtell

刚刚检查了一下文件，确实是用空格而不是制表符进行缩进。早些时候应该想到这个问题的！非常感谢。 - julian

C++ IO流默认会消耗任何空白字符。因此，字段中任意长度的制表符或空格（只要至少有一个空白字符）都不会产生影响。 - wilhelmtell

@wilhelmtell - 如果第一个之后的任何一列可能为空，那么这将是有问题的。 - Steve Townsend

Answer 2

类似这样：

1. 读取第一行，找到 "ID" 并存储索引。
2. 使用 std::getline() 读取每个数据行。
3. 从数据行创建一个子字符串，从头行中找到的 "ID" 索引开始。使用此初始化一个 std::istringstream。
4. 使用 iss >> an_int 读取 ID。
5. 搜索第一个 "。搜索第二个 "。搜索 ( 并记住其索引。搜索 ) 并记住该索引。从这些索引之间的字符创建一个子字符串，并使用它初始化另一个 std::istringstream。从此流中读取数字。
6. 搜索大括号。

- sbi