在C++中使用类似Fortran的格式对文本文件进行迭代

Kyle Kanos给出的链接很好*scanf/*printf格式字符串很好地映射到fortran格式字符串上。使用C风格的IO实际上更容易做到这一点，但使用C++风格的流也是可行的：

#include <cstdio>
#include <iostream>
#include <fstream>
#include <string>
int main() {
    std::ifstream fortranfile;
    fortranfile.open("input.txt");
    if (fortranfile.is_open()) {
        std::string line;
        getline(fortranfile, line);
        while (fortranfile.good()) {
            char dummy[4];
            int i1, i2, i3, i4;
            sscanf(line.c_str(), "%2d%2d%2d%3s%3d", &i1, &i2, &i3, dummy, &i4);
            std::cout << "Line: '" << line << "' -> " << i1 << " " << i2 << " "
                      << i3 << " " << i4 << std::endl;
            getline(fortranfile, line);
        }
    }
    fortranfile.close();
    return 0;
}

运行提供

$ g++ -o readinput readinput.cc
$ ./readinput
Line: '101112---100' -> 10 11 12 100
Line: '102113---101' -> 10 21 13 101
Line: '103114---102' -> 10 31 14 102

在这里，我们使用的格式字符串是%2d%2d%2d%3s%3d-%2d（宽度为2的十进制整数）的3个副本，然后是%3s（宽度为3的字符串，我们将其读入一个从未使用过的变量），再后面是%3d（宽度为3。

如果您希望动态解析Fortran格式说明符标志，您应该注意：您立即进入了解析器领域

除了其他人在这里注意到的解析此类输入的其他方法之外：

• 通过使用Fortran和CC/++绑定为您进行解析
• 使用纯C++为您解析它，方法是使用以下各项的组合编写解析器：
  • sscanf
  • streams

我的建议是，如果boost对您可用，您可以使用它来实现一个简单的解析器，用于动态操作，使用Regex和STL容器的组合。

根据您所描述的内容以及不同地方显示的内容，您可以使用regex捕获来构建您希望支持的语法的简单实现：

(\d{0,8})([[:alpha:]])(\d{0,8})

1. 其中，第一组是该变量类型的数字
2. 第二个是变量的类型
3. 三是变量类型的长度

使用此Fortran格式说明符标志参考，您可以实现naive解决方案，如下所示：

#include <iostream>
#include <string>
#include <vector>
#include <fstream>
#include <cstdlib>
#include <boost/regex.hpp>
#include <boost/tokenizer.hpp>
#include <boost/algorithm/string.hpp>
#include <boost/lexical_cast.hpp>
//A POD Data Structure used for storing Fortran Format Tokens into their relative forms
typedef struct FortranFormatSpecifier {
    char type;//the type of the variable
    size_t number;//the number of times the variable is repeated
    size_t length;//the length of the variable type
} FFlag;
//This class implements a rudimentary parser to parse Fortran Format
//Specifier Flags using Boost regexes.
class FormatParser {
public:
    //typedefs for further use with the class and class methods
    typedef boost::tokenizer<boost::char_separator<char> > bst_tokenizer;
    typedef std::vector<std::vector<std::string> > vvstr;
    typedef std::vector<std::string> vstr;
    typedef std::vector<std::vector<int> > vvint;
    typedef std::vector<int> vint;
    FormatParser();
    FormatParser(const std::string& fmt, const std::string& fname);
    void parse();
    void printIntData();
    void printCharData();
private:
    bool validateFmtString();
    size_t determineOccurence(const std::string& numStr);
    FFlag setFortranFmtArgs(const boost::smatch& matches);
    void parseAndStore(const std::string& line);
    void storeData();
    std::string mFmtStr;                //this holds the format string
    std::string mFilename;              //the name of the file
    FFlag mFmt;                         //a temporary FFlag variable
    std::vector<FFlag> mFortranVars;    //this holds all the flags and details of them
    std::vector<std::string> mRawData;  //this holds the raw tokens
    //this is where you will hold all the types of data you wish to support
    vvint mIntData;                     //this holds all the int data
    vvstr mCharData;                    //this holds all the character data (stored as strings for convenience)
};
FormatParser::FormatParser() : mFmtStr(), mFilename(), mFmt(), mFortranVars(), mRawData(), mIntData(), mCharData() {}
FormatParser::FormatParser(const std::string& fmt, const std::string& fname) : mFmtStr(fmt), mFilename(fname), mFmt(), mFortranVars(), mRawData(), mIntData(), mCharData() {}
//this function determines the number of times that a variable occurs
//by parsing a numeric string and returning the associated output
//based on the grammar
size_t FormatParser::determineOccurence(const std::string& numStr) {
    size_t num = 0;
    //this case means that no number was supplied in front of the type
    if (numStr.empty()) {
        num = 1;//hence, the default is 1
    }
    else {
        //attempt to parse the numeric string and find it's equivalent
        //integer value (since all occurences are whole numbers)
        size_t n = atoi(numStr.c_str());
        //this case covers if the numeric string is expicitly 0
        //hence, logically, it doesn't occur, set the value accordingly
        if (n == 0) {
            num = 0;
        }
        else {
            //set the value to its converted representation
            num = n;
        }
    }
    return num;
}
//from the boost::smatches, determine the set flags, store them
//and return it
FFlag FormatParser::setFortranFmtArgs(const boost::smatch& matches) {
    FFlag ffs = {0};
    std::string fmt_number, fmt_type, fmt_length;
    fmt_number = matches[1];
    fmt_type = matches[2];
    fmt_length = matches[3];
    ffs.type = fmt_type.c_str()[0];
    ffs.number = determineOccurence(fmt_number);
    ffs.length = determineOccurence(fmt_length);
    return ffs;
}
//since the format string is CSV, split the string into tokens
//and then, validate the tokens by attempting to match them
//to the grammar (implemented as a simple regex). If the number of
//validations match, everything went well: return true. Otherwise:
//return false.
bool FormatParser::validateFmtString() {    
    boost::char_separator<char> sep(",");
    bst_tokenizer tokens(mFmtStr, sep);
    mFmt = FFlag();
    size_t n_tokens = 0;
    std::string token;
    for(bst_tokenizer::const_iterator it = tokens.begin(); it != tokens.end(); ++it) {
        token = *it;
        boost::trim(token);
        //this "grammar" is based on the Fortran Format Flag Specification
        std::string rgx = "(\d{0,8})([[:alpha:]])(\d{0,8})";
        boost::regex re(rgx);
        boost::smatch matches;
        if (boost::regex_match(token, matches, re, boost::match_extra)) {
            mFmt = setFortranFmtArgs(matches);
            mFortranVars.push_back(mFmt);
        }
        ++n_tokens;
    }
    return mFortranVars.size() != n_tokens ? false : true;
}
//Now, parse each input line from a file and try to parse and store
//those variables into their associated containers.
void FormatParser::parseAndStore(const std::string& line) {
    int offset = 0;
    int integer = 0;
    std::string varData;
    std::vector<int> intData;
    std::vector<std::string> charData;
    offset = 0;
    for (std::vector<FFlag>::const_iterator begin = mFortranVars.begin(); begin != mFortranVars.end(); ++begin) {
        mFmt = *begin;
        for (size_t i = 0; i < mFmt.number; offset += mFmt.length, ++i) {
            varData = line.substr(offset, mFmt.length);
            //now store the data, based on type:
            switch(mFmt.type) {
                case 'X':
                  break;
                case 'A':
                  charData.push_back(varData);
                  break;
                case 'I':
                  integer = atoi(varData.c_str());
                  intData.push_back(integer);
                  break;
                default:
                  std::cerr << "Invalid type!n";
            }
        }
    }
    mIntData.push_back(intData);
    mCharData.push_back(charData);
}
//Open the input file, and attempt to parse the input file line-by-line.
void FormatParser::storeData() {
    mFmt = FFlag();
    std::ifstream ifile(mFilename.c_str(), std::ios::in);
    std::string line;
    if (ifile.is_open()) {
        while(std::getline(ifile, line)) {
            parseAndStore(line);
        }
    }
    else {
        std::cerr << "Error opening input file!n";
        exit(3);
    }
}
//If character flags are set, this function will print the character data
//found, line-by-line
void FormatParser::printCharData() {    
    vvstr::const_iterator it = mCharData.begin();
    vstr::const_iterator jt;
    size_t linenum = 1;
    std::cout << "nCHARACTER DATA:n";
    for (; it != mCharData.end(); ++it) {
        std::cout << "LINE " << linenum << " : ";
        for (jt = it->begin(); jt != it->end(); ++jt) {
            std::cout << *jt << " ";
        }
        ++linenum;
        std::cout << "n";
    }
}
//If integer flags are set, this function will print all the integer data
//found, line-by-line
void FormatParser::printIntData() {
    vvint::const_iterator it = mIntData.begin();
    vint::const_iterator jt;
    size_t linenum = 1;
    std::cout << "nINT DATA:n";
    for (; it != mIntData.end(); ++it) {
        std::cout << "LINE " << linenum << " : ";
        for (jt = it->begin(); jt != it->end(); ++jt) {
            std::cout << *jt << " ";
        }
        ++linenum;
        std::cout << "n";
    }
}
//Attempt to parse the input file, by first validating the format string
//and then, storing the data accordingly
void FormatParser::parse() {
    if (!validateFmtString()) {
        std::cerr << "Error parsing the input format string!n";
        exit(2);
    }
    else {
        storeData();
    }
}
int main(int argc, char **argv) {
    if (argc < 3 || argc > 3) {
        std::cerr << "Usage: " << argv[0] << "t<Fortran Format Specifier(s)>t<Filename>n";
        exit(1);
    }
    else {
        //parse and print stuff here
        FormatParser parser(argv[1], argv[2]);
        parser.parse();
        //print the data parsed (if any)
        parser.printIntData();
        parser.printCharData();
    }
    return 0;
}

这是标准的c++98代码，可以编译如下：

g++ -Wall -std=c++98 -pedantic fortran_format_parser.cpp -lboost_regex

奖金

这个基本的解析器也适用于Characters（Fortran格式标志"A"，最多可包含8个字符）。您可以通过编辑regex并对捕获字符串的长度和类型进行检查来扩展它，以支持您可能喜欢的任何标志

可能的改进

如果C++11对您可用，您可以在某些地方使用lambdas，并用auto代替迭代器。

如果这是在有限的内存空间中运行的，并且您必须解析一个大文件，那么由于vectors内部管理内存的方式，向量将不可避免地崩溃。最好使用deques。有关更多信息，请参阅此处讨论的内容：

http://www.gotw.ca/gotw/054.htm

而且，如果输入文件很大，并且文件I/O是一个瓶颈，则可以通过修改ifstream缓冲区的大小来提高性能：

如何让IOStream表现得更好？

讨论

您将注意到：您正在解析的类型必须在运行时已知，并且类声明和定义中必须支持任何关联的存储容器

正如您所想象的，在一个主类中支持所有类型是不高效的然而，由于这是一个幼稚的解决方案，因此可以专门使用改进的完整解决方案来支持这些情况。

另一个建议是使用Boost:：Spirit。但是，由于Spirit使用了大量模板，当错误可能发生时，调试这样的应用程序是不适合胆小鬼的

性能

与@Jonathan Dursi的解决方案相比，此解决方案较慢：

对于使用相同行格式（"3I2，3X，I3"）的10000000行随机生成的输出（124MiB文件）：

#include <fstream>
#include <cstdlib>
#include <ctime>
using namespace std;
int main(int argc, char **argv) {
    srand(time(NULL));
    if (argc < 2 || argc > 2) {
        printf("Invalid usage! Use as follows:t<Program>t<Output Filename>n");
        exit(1);
    }
    ofstream ofile(argv[1], ios::out);
    if (ofile.is_open()) {
        for (int i = 0; i < 10000000; ++i) {
             ofile << (rand() % (99-10+1) + 10) << (rand() % (99-10+1) + 10) << (rand() % (99-10+1)+10) << "---" << (rand() % (999-100+1) + 100) << endl;
        }
    }
    ofile.close();
    return 0;
}

我的解决方案：

0m13.082s
0m13.107s
0m12.793s
0m12.851s
0m12.801s
0m12.968s
0m12.952s
0m12.886s
0m13.138s
0m12.882s

记录12.946s 的平均壁时间

Jonathan Dursi的解决方案：

0m4.698s
0m4.650s
0m4.690s
0m4.675s
0m4.682s
0m4.681s
0m4.698s
0m4.675s
0m4.695s
0m4.696s

CCD_ 15 平均壁时间的火焰

His比我快至少270%同时使用O2。

但是，由于您不必每次解析额外的格式标志时都修改源代码，因此此解决方案更为优化。

注意：您可以实现一个涉及sscanf/streams的解决方案，该解决方案只需要您知道要读取的变量类型（与我的非常相似），但验证类型等额外检查会增加开发时间（这就是我在Boost中提供解决方案的原因，因为标记化器和正则表达式的便利性，这使开发过程更容易）

参考文献

http://www.boost.org/doc/libs/1_34_1/libs/regex/doc/character_class_names.html

您可以将3I2, 3X, I3转换为scanf格式。

鉴于Fortran很容易从C中调用，您可以编写一个小的Fortran函数来"本机"执行此操作。毕竟，Fortran READ函数采用您所描述的格式字符串。

如果你想让它发挥作用，你只需要稍微复习一下Fortran(http://docs.oracle.com/cd/E19957-01/806-3593/2_io.html)，并学习如何使用编译器链接Fortran和C++。以下是一些提示：

• Fortran符号可能隐含地以下划线作为后缀，因此MYFUNC可以从C调用为MYFUNC_（）
• 多维数组具有相反的维度顺序
• 在C++头中声明Fortran（或C）函数需要将其放在extern "C" {}作用域中

如果您的用户实际上应该以Fortran格式输入它，或者如果您非常快速地调整或编写Fortran代码来实现这一点，我会按照John Zwinck和M.S.B.的建议执行。只需编写一个简短的Fortran例程将数据读取到数组中，然后使用"bind（c）"和ISO_c_BINDING类型来设置接口。请记住，数组索引将在Fortran和C++之间发生变化。

否则，我建议使用scanf，如上所述：

http://en.cppreference.com/w/cpp/io/c/fscanf

如果你不知道每行需要阅读的项目数量，你可以使用vscanf:

http://en.cppreference.com/w/cpp/io/c/vfscanf

然而，尽管它看起来很方便，但我从未使用过这个，所以YMMV。

今天想了一下，但没有时间写一个例子@jrd1的示例和分析正在进行中，但我会尝试使解析更加模块化和面向对象。格式字符串解析器可以构建一个项目解析器列表，然后这些解析器或多或少地独立工作，允许在不更改旧代码的情况下添加新的解析器，如浮点。我认为一个特别好的接口应该是用格式字符串初始化的iomanip，这样ui就会像一样

cin >> f77format("3I2, 3X, I3") >> a >> b >> c >> d;

在实现时，我会让f77format解析比特并按组件构建解析器，因此它将创建3个固定宽度的int解析器、一个devNull解析器和另一个固定宽度解析器，然后使用输入。

当然，如果你想支持所有的编辑描述符，那将是一项艰巨的工作！一般来说，它不会只是将字符串的其余部分传递给下一个解析器，因为有一些编辑描述符需要重新读取该行。