C++逐词读取文本文件时符号与单词粘连拆分异常问题求解

实现逐行读取文本文件、逐词解析内容的逻辑，预期效果为找到指定目标词后，跳过当前行剩余所有单词直接读取下一行；实际运行时出现单词与相邻符号组合输出的异常，拆分结果不符合预期。

现有实现代码 #

void SymbolScanning::symScanning()
    {
        std::string s;
        std::ifstream myfile;
        myfile.open("SymbolRead.txt");
        if(myfile.is_open())
        {
           while(std::getline(myfile, s))
           {
              std::istringstream iss(s);
              std::string word;
              while(iss >> word)
              {
                  std::cout << word << std::endl;
                 // if desired word found, skip remainnig word and jump
                 // over next line.
              }
           }
       }
       else
          cout<<"File is not open";
    }

实际运行表现 #

输入行内容：

line (60 * SCALE, 70 * SCALE, 106 * SCALE, 70 * SCALE);       

实际拆分输出：

line , (60 , * , SCALE, , 70 , * , SCALE, , 106 , * , SCALE, , 70 , * , SCALE);

预期拆分规则 #

标点符号需要和相邻的单词、数字拆分，作为独立单元输出：

• (60 拆分为 ( 、60
• SCALE, 拆分为 SCALE 、,
• SCALE); 拆分为 SCALE、)、;

待读取文件样例 #

/* version: v1p1 */

library("aacbnsfp_90spwd_9t45g_rxy") {
  SCALE = 1.0 / 10.0;
symbol ("PQXN67_0P5_9IJT16R") {
circle (75 * SCALE, -40 * SCALE, 5 * SCALE);
line (20 * SCALE, -20 * SCALE, 80 * SCALE, -20 * SCALE);
line (20 * SCALE, 0 * SCALE, 80 * SCALE, 0 * SCALE);
line (240 * SCALE, -20 * SCALE, 200 * SCALE, -20 * SCALE);       
......
......
} /* end of symbol "PQXN67_0P5_9IJT16R" */

istringstream的>>运算符默认仅将*空白字符（空格、制表符、换行）*作为分隔符，括号、逗号、分号等标点不属于空白字符，会和相邻的字母、数字拼接为同一个字符串被读取，因此出现符号和单词/数字粘连的问题。同时现有代码未实现「找到目标词后跳过当前行剩余内容」的逻辑。

逐字符遍历每行内容，将字母、数字、下划线、小数点等普通字符拼接为词元，遇到标点时先输出已拼接的词元，再将标点作为独立词元输出；检测到目标词时直接终止当前行的遍历，自动进入下一行读取流程。

修复后完整代码如下：

#include <fstream>
#include <string>
#include <iostream>
#include <cctype>

// 自定义需要匹配的目标词
const std::string TARGET_WORD = "line";

void SymbolScanning::symScanning()
{
    std::ifstream myfile("SymbolRead.txt");
    if (!myfile.is_open())
    {
        std::cout << "File is not open";
        return;
    }

    std::string line;
    while (std::getline(myfile, line))
    {
        std::string current_token;
        bool skip_rest_line = false;
        for (char c : line)
        {
            if (skip_rest_line) break;

            // 遇到空白，输出已拼接的词元
            if (std::isspace(c))
            {
                if (!current_token.empty())
                {
                    std::cout << current_token << std::endl;
                    if (current_token == TARGET_WORD)
                    {
                        skip_rest_line = true;
                    }
                    current_token.clear();
                }
                continue;
            }

            // 遇到需要拆分的标点，先输出已存词元，再单独输出标点
            if (c == '(' || c == ')' || c == ',' || c == ';' || 
                c == '*' || c == '/' || c == '=' || c == '{' || 
                c == '}' || c == '"' || c == '+' || c == '-')
            {
                if (!current_token.empty())
                {
                    std::cout << current_token << std::endl;
                    if (current_token == TARGET_WORD)
                    {
                        skip_rest_line = true;
                        current_token.clear();
                        continue;
                    }
                    current_token.clear();
                }
                std::cout << std::string(1, c) << std::endl;
                continue;
            }

            // 普通字符加入当前词元
            current_token += c;
        }

        // 处理行末尾剩余的词元
        if (!skip_rest_line && !current_token.empty())
        {
            std::cout << current_token << std::endl;
        }
    }
    myfile.close();
}

以上代码运行后，会按预期将粘连的符号和单词/数字拆分，匹配到目标词后会立刻跳过当前行剩余内容，直接读取下一行。

内容的提问来源于stack exchange，提问作者tushar