使用c++正则表达式验证ASCII GnuPlot文件

Validate ASCII GnuPlot file with c++ regex

本文关键字：GnuPlot 文件 ASCII 验证 c++ 正则表达式 使用      更新时间：2023-10-16

我一直在努力做到这一点，但似乎无法使事情按我希望的方式进行。

我有一个ASCII文件，其中包含数百万行浮点值，用空格分隔。使用std::istream_iterator<double>读取这些值很简单，但我想预先验证文件，以确保它确实按照我描述的方式进行了格式化。由于只有一种正确的格式，以及如何对其进行错误格式化的方法，我想使用std::regex进行处理。

这就是我想到的：

std::string begln( "^" );
std::string endln( "$" );
std::string fp( "[-+]?[0-9]*.?[0-9]+([eE][-+]?[0-9]+)?." );
std::string space( "[[:space:]]{1}" );
std::regex regexp( "(" + begln + fp + space + fp + space + fp + endln + ")+" );

我想表达的是：一条线由线的开始和结束之间的东西组成，它由三组用一个空格分隔的浮点值组成，我正在寻找其中的一条或多条线。

我希望一个有效的数据文件只有一个匹配项，没有前缀和后缀。

但是，嘿，既然这些值将进入std::vector<std::array<double, 3>>，为什么我不重用regex机制并从匹配列表中获取值呢？如果文件是有效的，那么一个绝对平凡的regex可以只匹配单个行，并构造一个std::sregex_iterator来迭代这些行。在这一点上，无论是再次使用regex还是std::stringsteam，如何从一行的单个std::string中获得值只是一个问题。

为什么不呢？您之所以不希望这样做，是因为regex绝对是过度使用。它们可以匹配更复杂的语法，并且能够在运行时阅读这些语法。这种灵活性付出了高昂的代价。必须包括所有可能的解析器。当前没有一个编译器足够聪明，可以看到您只是将[[:space:]]用作正则表达式。（事实上，没有一个C++编译器或链接器知道regex——这纯粹是一个库的东西）。

相比之下，operator>>是重载的，编译器可以准确地看到您在编译时使用的重载。链接器被告知这一点，并且仅包括相关代码。

此外，CPU分支预测器将很快注意到operator>>几乎总是成功，这是进一步的加速。您的正则表达式代码不太可能以同样的方式受益——[0-9]*中的条件部分至少有一层间接更深。

相关文章：