在C++中使用正则表达式搜索.txt文件

Searching through .txt files using regex in C++

本文关键字：搜索 txt 文件 正则表达式 C++      更新时间：2023-10-16

我有一个未格式化的推文列表（只是从网站上复制粘贴），我试图将每条推文分成单独的行，同时删除文本文件中所有其他无关的细节。

我

目前有一个正则表达式字符串，当我在记事本++中搜索时可以工作，但由于某种原因，我无法让它通过C++工作。

我正在搜索的文本示例如下：

Autotestdrivers.com ‏@testdrivernews Nov 6
Tesla Model S third row of seats confuses,… http://dlvr.it/CgTbsL  #children #models #police #tesla #teslamotors #Autos #Car #Trucks
1 retweet 3 likes
Gina Stark ✈ ‏@SuuperG Nov 6
Ha! Kinda. @PowayAutoRepair I have a thing for "long-nose" cars; #Porsche #Jaguar #Ferrari , and I love the lines of a #Tesla!
View conversation
0 retweets 2 likes
Tony Morice ‏@WestLoopAuto Nov 6
#WeirdCarNews via @Therealautoblog  Tesla Model S third row of seats confuses, delights police http://www.autoblog.com/2015/11/06/tesla-model-s-third-row-seats-police/ …
View summary
0 retweets 0 likes

我正在使用的正则表达式采用推文发布的日期和推文本身，如下所示：

[A-Z][a-z][a-z] d+rnrn *.+rn

。但由于某种原因，我无法让它在我的代码中工作。

#include <fstream>
#include <iostream>
#include <string>
#include <regex>
std::regex rgx("[A-Z][a-z][a-z]\d+\r\n\r\n *.+\r\n");
    std::string Location_Of_Tweet = "put location here";
    std::smatch match;
    std::cout << twitterFile;
    std::ifstream twitterFiler;
    twitterFiler.open(Location_Of_Tweet,std::ifstream::in);
    const std::string tweetFile((std::istreambuf_iterator<char>(twitterFiler)), std::istreambuf_iterator<char>());
    if (std::regex_search(tweetFile.begin(), tweetFile.end(), match, rgx))
    {
        std::cout << "Matchn";
        for (auto m : match)
         std::cout << "  submatch " << m << 'n';
    }
    else
        std::cout << "No matchn";

这个正则表达式假设 c++11 正则表达式理解水平空格h。
如果没有，请将所有h替换为 [^Srn] 。

这被模糊地解释为可能有效的方法。
但是，您需要一个更实质性的分隔符来分隔推文。

"(?m)([A-Z][a-z][a-z]\h+\d+)\h*\r?\n\s*^\h*(?=\S)(.+)"

解释 

 (?m)                               # Multi-line mode
 ( [A-Z] [a-z] [a-z] h+ d+ )      # (1), Date
 h* r? n s*                     # Line break, any number of whitespace
 ^ h*                              # Beginning of line
 (?= S )                           # Next, first non-whitespace
 ( .+ )                             # (2), Tweet

使用示例测试用例。
输出 

 **  Grp 1 -  ( pos 37 , len 5 ) 
Nov 6  
 **  Grp 2 -  ( pos 46 , len 132 ) 
Tesla Model S third row of seats confuses,… http://dlvr.it/CgTbsL  #children #models #police #tesla #teslamotors #Autos #Car #Trucks  
-----------------
 **  Grp 1 -  ( pos 226 , len 5 ) 
Nov 6  
 **  Grp 2 -  ( pos 235 , len 126 ) 
Ha! Kinda. @PowayAutoRepair I have a thing for "long-nose" cars; #Porsche #Jaguar #Ferrari , and I love the lines of a #Tesla!  
-----------------
 **  Grp 1 -  ( pos 435 , len 5 ) 
Nov 6  
 **  Grp 2 -  ( pos 444 , len 170 ) 
#WeirdCarNews via @Therealautoblog  Tesla Model S third row of seats confuses, delights police http://www.autoblog.com/2015/11/06/tesla-model-s-third-row-seats-police/ …
相关文章：