C 如何從類似JSON的文本檔案中獲取特定值？[復制]

我有一個包含數百本書資訊的 .txt 檔案。（顯示的影像只是其中之一，它在同一個 .txt 檔案中有多行相同資訊和不同資料）我只想檢查“unigramCount”值并找到前 3 個最常用的詞。所以程式應該在 unigramCount 行中查找每個單詞，并將數字增加單詞前面的數字。將它們存盤在陣列或鏈表中，最后說出最常見的 3 個單詞。

uj5u.com熱心網友回復：

您的檔案是所謂的結構化文本檔案，例如 xml 或 json。

語法可以定義檔案的語言（結構）。如果我們看一下喬姆斯基層次分類，那么我們這里就有一種所謂的“背景關系無關語言”，它可以而且應該用典型的下推自動機或遞回下降決議器來分析。

但是你提到你“只想檢查一元計數”。這需要一個可以用正則運算式實作的喬姆斯基層次結構 3 正則語法。

請注意：通常您不能使用正則運算式，因為它們無法識別嵌套結構。例如。如果您有嵌套的左大括號和右大括號，則正則運算式無法作業。說的很簡單。正則運算式不能計數。

無論如何，由于給定檔案的簡單性，我們可以通過使用正則運算式來進行模式匹配。

好訊息是 C 使用它的regex library支持正則運算式。

但即便如此，我們也無法通過單一的正則運算式找到解決方案。我們將使用 3 步方法

1. 匹配所有包含一元資料的行
2. 遍歷上述匹配行并提取單詞/計數對
3. 將單詞計數對拆分為單詞和計數

（正則運算式可以在任何在線正則運算式測驗器中進行測驗，例如這里）。

如果我們有這個，我們將使用關聯容器，如std::map（如果排序很重要），或者std::unordered_map（如果速度對計數很重要）。順序是為了單詞而不是計數。

使用地圖或多或少是計數專案的標準方法。“關鍵”是我們要數的詞。它是獨一無二的。相關的值是計數。

兩個地圖都有一個方便的索引運算子。您可以將鍵（在我們的例子中是一元詞的實體）放在括號[]中，如果該詞已經存在，索引運算子將回傳對關聯值的參考。

如果索引中的單詞還沒有在地圖中，它將被創建，并且在我們的例子中該值將被初始化為 0。然后，將再次回傳對該值的參考。所以在任何情況下，結果都是對計數器值的參考，然后我們可以增加它。

涼爽的。

但是，由于關聯容器的性質，您無法對它們進行排序。因此，我們需要將生成的單詞/計數對復制到第二個容器中。

在 CPP 演算法庫中有完美的擬合函式。std:: partial_sort_copy 。這樣我們就可以找到前 3 個并將它們復制到結果std::vector中。

因此，我們將大量使用現有的和高級的 C 功能，通過幾行代碼來實作解決方案。

有許多不同的可能解決方案。一個例子在這里：

#include <iostream>
#include <fstream>
#include <string>
#include <regex>
#include <unordered_map>
#include <utility>
#include <map>

// ------------------------------------------------------------
// Create aliases. Save typing work and make code more readable
using Pair = std::pair<std::string, unsigned int>;
// Standard approach for counter
//using Counter = std::unordered_map<Pair::first_type, Pair::second_type>;
using Counter = std::map<Pair::first_type, Pair::second_type>;
// Sorted values will be stored in a vector
using Top = std::vector<Pair>;
// ------------------------------------------------------------

// Regexes
const std::regex unigramLineIdentifierRegex{R"(\"unigramCount\":\{(.*)\})"};
const std::regex unigramCountRegex{ R"((\"[a-zA-Z ,] \"\:\d ) )" };
const std::regex wordAndCountRegex(R"(\"([a-zA-Z ,] )\":(\d ))");

int main() {
    // Open the file and check, if it could be opened
    if (std::ifstream ifs{"text.txt"}; ifs) {

        // Read the complete textfile into a string
        std::string text(std::istreambuf_iterator<char>(ifs), {});
        
        // Here we will count the words
        Counter counter{};

        // Now extract all lines containing the unigram line pattern into a std::vector
        std::vector unigramLine(std::sregex_token_iterator(text.begin(), text.end(), unigramLineIdentifierRegex), {});

        // For each of the found lines containg a unigram record
        for (const std::string& wordAndCount : unigramLine) {

            // Extract all word count pairs
            std::vector unigrams(std::sregex_token_iterator(wordAndCount.begin(), wordAndCount.end(), unigramCountRegex), {});

            // Go over all word/count strings and split them up
            for (const std::string unigram : unigrams) {

                // Find the word part and the count part
                std::smatch smWordAndCount{};
                if (std::regex_match(unigram, smWordAndCount, wordAndCountRegex)) {

                    // Increment the global counter
                    counter[smWordAndCount[1]]  = std::stoi(smWordAndCount[2]);
                }
            }
        }
        // Here we will store the top 3
        Top top(3);

        // Copy and sort. Get only the biggest 3
        std::partial_sort_copy(counter.begin(), counter.end(), top.begin(), top.end(), [](const Pair& p1, const Pair& p2) { return p1.second > p2.second; });

        // Debug output. Show the result′, the top3 on the screen
        for (const auto& [word, count] : top)
            std::cout << word << " \t--> " << count << '\n';
    }
    else std::cerr << "\n*** Error: Could not open source file\n\n";
}

請提醒。正則運算式解決方案不是慣用的正確方法。

如果檔案真的是 JSON，那么看看這個庫

標籤：

上一篇：我們如何處理用戶定義文字輸入中的錯誤？

下一篇：在成員函式中呼叫解構式