Wie man das Escape-Element '\' und das Unicode-Zeichen '\ u' mit Boost-Regex in C++ analysiert

Question

Ich analysiere eine Textdatei mit Boost Regex in C++. Ich suche nach \ 'Zeichen aus der Datei. Diese Datei enthält auch einige Unicode-Zeichen. Also, gibt es eine Möglichkeit, '\' und '\ u' Zeichen zu trennen. Im Folgenden Inhalt von test.txt, die ich

"ID": "\u01FE234DA - this is id ", 
"speed": "96\/78", 
"avg": "\u01FE234DA avg\83" 

Nach bin Parsen ist mein Versuch

#include <boost/regex.hpp> 
#include <string> 
#include <iostream> 
#include <fstream> 

using namespace std; 
const int BUFSIZE = 500; 

int main(int argc, char** argv) { 

    if (argc < 2) { 
     cout << "Pass the input file" << endl; 
     exit(0); 
    } 

    boost::regex re("\\\\+"); 
    string file(argv[1]); 
    char buf[BUFSIZE]; 

    boost::regex uni("\\\\u+"); 


    ifstream in(file.c_str()); 
    while (!in.eof()) 
    { 
     in.getline(buf, BUFSIZE-1); 
     if (boost::regex_search(buf, re)) 
     { 
      cout << buf << endl; 
      cout << "(\) found" << endl; 
      if (boost::regex_search(buf, uni)) { 
       cout << buf << endl; 
       cout << "unicode found" << endl; 

      } 

     } 

    } 
} 

Nun, wenn ich oben Code verwenden, druckt er folgende

"ID": "\u01FE234DA - this is id ", 
(\) found 
"ID": "\u01FE234DA - this is id ", 
unicode found 
"speed": "96\/78", 
(\) found 
"avg": "\u01FE234DA avg\83" 
(\) found 
"avg": "\u01FE234DA avg\83" 
unicode found 

Statt Ich möchte folgende

"ID": "\u01FE234DA - this is id ", 
unicode found 
"speed": "96\/78", 
(\) found 
"avg": "\u01FE234DA avg\83" 
(\) and unicode found 

Ich denke, der Code ist nicht in der Lage, '\' und '\' getrennt zu unterscheiden, aber ich bin mir nicht sicher, wo ich was ändern soll.

Answer 1

Versuchen Sie, [^ u] in Ihrer ersten Regex zu verwenden, um jedes Zeichen zu finden, das nicht u.

boost::regex re("\\\\[^u]"); // matches \ not followed by u 
boost::regex uni("\\\\u"); // matches \u 

Es ist wahrscheinlich am besten, einen Regex-Ausdruck zu verwenden.

boost:regex re("\\\\(u)?"); // matches \ with or without u 

Dann prüfen, ob die teilweise Übereinstimmung m[1] ist 'u':

m = boost::regex_search(buf, uni) 
if (m && m[1] === "u") { // pseudo-code 
    // unicode 
} 
else { 
    // not unicode 
} 

Es ist besser regex für den Mustervergleich zu verwenden. Sie scheinen komplexer zu sein, aber sie sind einfacher zu warten, wenn man sich erst daran gewöhnt hat, und weniger fehleranfällig, als wenn man Zeichenfolgen einzeln überstreichen würde.