Программирование. Принципы и практика использования C++ Исправленное издание

  Помните, мы хвалили синтаксис регулярных выражений за лаконичность и полезность, а не за легкость освоения новичками? На самом деле регулярные выражения имеют заслуженную репутацию языка только для письма (write-only language). Начнем с заголовка. Поскольку он не содержит никаких числовых данных, мы могли бы просто отбросить первую строку, но — исключительно для приобретения опыта — попробуем провести ее структурный анализ. Она содержит четыре словарных поля (буквенно-цифровых поля”, разделенных знаками табуляции). Эти поля могут содержать пробелы, поэтому мы не можем просто использовать управляющий символ \w, чтобы задать эти символы. Вместо этого мы используем выражение [\w], т.е. словообразующий символ (букву, цифру или знак подчеркивания) или пробел. Один или несколько словообразующих символов задается выражением [\w]+. Мы хотим найти тот из них, который стоит в начале строки, поэтому пишем выражение ^[\w ]+. “Шапочка” (^) означает “начало строки”. Каждое из оставшихся полей можно выразить как знак табуляции, за которым следуют некие слова: ([\w]+). До конца строки их может быть сколько угодно: ([\w]+)*$. Знак доллара ($) означает “конец строки”. Теперь напишем строковый литерал на языке C++ и получим дополнительные обратные косые черты.

"^[\\w ]+( [\\w ]+)*$"

Мы не можем проверить, что знак табуляции действительно является таковым, но в данном случае он раскрывается в ходе набора текста и распознается сам.

Приступим к самой интересной части упражнения: к шаблону для строк, из которых мы хотим извлекать числовые данные. Первое поле вновь имеет шаблон ^[\w]+. За ним следуют ровно три числовых поля, перед каждым из которых стоит знак табуляции: (\d+), следовательно, получаем следующий шаблон:

^[\w ]+( \d+)(\d+)(\d+)$

После его вставки в строковый литерал он превращается в такую строку:

"^[\\w ]+(\\d+)(\\d+)(\\d+)$"

Теперь мы сделали все, что требовалось. Сначала проверим, правильно ли сформирована таблица.

int main

{

  ifstream in("table.txt");   // входной файл

  if (!in) error("Нет входного файла\n");

  string line;                // буфер ввода

  int lineno = 0;

  regex header( "^[\\w ]+( [\\w ]+)*$"); // строка заголовка

  regex row("^[\\w]+(\\d+)(\\d+)(\\d+)$"); // строка данных

  if (getline(in,line)) { // проверяем строку заголовка

    smatch matches;

    if (!regex_match(line,matches,header))

      error("Нет заголовка");

  }

  while (getline(in,line)) { // проверяем строку данных

    ++lineno;

    smatch matches;

    if (!regex_match(line,matches,row))

      error("неправильная строка",to_string(lineno));

  }

}

Для краткости мы не привели здесь директивы #include. Проверяем все символы в каждой строке, поэтому вызываем функцию regex_match, а не regex_search. Разница между ними заключается только в том, что функция regex_match должна сопоставлять с шаблоном каждый символ из потока ввода, а функция regex_search проверяет поток ввода, пытаясь найти соответствующую подстроку. Ошибочное использование функции regex_match, когда подразумевалось использовании функции regex_search (и наоборот), может оказаться самой трудно обнаруживаемой ошибкой. Однако обе эти функции используют свои совпадающие аргументы совершенно одинаково.

Теперь можем перейти к верификации данных в таблице. Мы подсчитаем количество мальчиков (“drenge”) и девочек (“piger”), учащихся в школе. Для каждой строки мы проверим, действительно ли в последнем поле (“ELEVER IALT”) записана сумму первых двух полей. Последняя строка (“Alle klasser”) содержит суммы по столбцам. Для проверки этого факта модифицируем выражение row, чтобы текстовое поле содержало частичное совпадение и можно было распознать строку “Alle klasser”.

int main

{

  ifstream in("table.txt");  // входной файл

  if (!in) error("Нет входного файла");

  string line;               // буфер ввода

  int lineno = 0;

  regex header( "^[\\w ]+( [\\w ]+)*$");

  regex row("^([\\w ]+)(\\d+)(\\d+)( \d+)$");

  if (getline(in,line)) { // проверяем строку заголовка

    boost::smatch matches;