C++如何将字符串按模式分割并转为整数容器

在C++日常开发中，字符串按模式分割并转换为整数容器，可以说是最常遇到的“小麻烦”之一。如果分隔符不固定，正则迭代器看起来完美；如果分隔符很简单，手写循环则更轻快。然而在真实的生产环境中，各种边界情况往往会让代码出现问题。下面梳理几个实用的方案，各自都有适用的场景和需要注意的坑，可不要只看到表面省事就用了。

使用 std::regex_token_iterator 分割字符串并转换为整数

这是最直接支持“按任意正则模式分割”的解决方案，特别适合分隔符不固定的场景（例如多个空格、混合逗号或分号）。但需要注意：C++11 中的 std::regex 在某些旧编译器（如 GCC）上存在兼容性问题，当 std::regex_token_iterator 构造时如果正则无效，会抛出 std::regex_error 异常，务必进行捕获处理。

典型用法：

#include 
#include 
#include 
#include 

std::string s = "12, 34 ; 56\t78";
std::regex re(R"([\s;,]+)"); // 匹配空格、逗号、分号、制表符等
std::vector nums;
for (std::sregex_token_iterator it(s.begin(), s.end(), re, -1); it != std::sregex_token_iterator(); ++it) {
    if (!it->str().empty()) {
        nums.push_back(std::stoi(it->str()));
    }
}

• -1 表示提取非匹配部分（即分割后的子串），而不是匹配结果本身
• 空字符串可能会被切出来（尤其在字符串首尾有分隔符时），需要显式跳过
• std::stoi 遇到非法字符会抛出 std::invalid_argument，在生产环境中应添加 try/catch 进行容错

手写循环结合 std::stringstream 处理简单分隔符

当分隔符为单个字符（比如纯空格或纯逗号）时，不使用正则更轻量、更容易控制。但 std::stringstream 默认只识别空白符（isspace），对逗号、分号等无效，因此需要手动定位或改用其他流方式。

推荐的做法是使用 std::getline 并指定分隔符：

std::string s = "1,2,3,4";
std::vector nums;
std::stringstream ss(s);
std::string token;
while (std::getline(ss, token, ',')) {
    if (!token.empty()) {
        nums.push_back(std::stoi(token));
    }
}

• 分隔符只能是单字节字符，像 ',' 可以，但 "|>" 就不行了
• 连续出现分隔符（例如 "1,,2"）会产生空的 token，必须进行判空操作
• 这种实现比正则快一个数量级，而且没有运行时正则编译的开销

避免 std::stoi 崩溃的三种检查方法

在用户输入或日志解析中，字符串常常包含非数字内容（比如 "123abc"、"-"、混入空格等）。直接调用 std::stoi 会导致程序崩溃，不能仅仅依赖异常机制来兜底。

• 先用 std::all_of(token.begin(), token.end(), ::isdigit) 检测——但这个方法会忽略负号和正号，需要手动处理开头的 '-' 或 '+'
• 使用 std::strtol 更稳妥：char* end; long v = std::strtol(token.c_str(), &end, 10);，然后检查 end != token.c_str() && *end == '\0'
• C++17 起可以使用 std::from_chars（无异常、无内存分配）：auto [ptr, ec] = std::from_chars(token.data(), token.data() + token.size(), num);，再检查 ec == std::errc::success

在性能敏感的场景下不要使用 std::regex

实测表明，在百万次分割中，std::regex 比手写 find/substr 慢 5–10 倍，而且频繁进行堆分配。如果对性能有较高要求，就应当避免使用正则。

一个简单的手写替代方案（支持多字符分隔符，例如 "||"）：

std::vector split_and_parse(const std::string& s, const std::string& delim) {
    std::vector res;
    size_t start = 0, end = 0;
    while ((end = s.find(delim, start)) != std::string::npos) {
        auto token = s.substr(start, end - start);
        if (!token.empty()) res.push_back(std::stoi(token));
        start = end + delim.length();
    }
    auto last = s.substr(start);
    if (!last.empty()) res.push_back(std::stoi(last));
    return res;
}

• 这种方式不支持正则语义（如“一个或多个空格”），但胜在行为确定、可预测、无额外依赖
• std::string::find 的时间复杂度为 O(N*M)，如果分隔符很长或字符串极长，可以考虑用 KMP 预处理优化
• 所有的 substr 调用都会触发内存拷贝，如果只需要只读访问，可以改用 std::string_view（C++17）来避免拷贝

实际选用哪一种方法，取决于你的分隔符是否规则、数据来源是否可信、以及性能要求是否苛刻。正则虽然看上去省事，但一上线就容易在边界情况下栽跟头。