[C++] Regular expression i ćirlična slova

[webarto]

^ I ja se pitam... @morando, koja je razlika naspram ovoga... http://rubular.com/r/GviWLmoGz3

[morando]

To sam uradio u prvom prolazu:

std::set<std::wstring> s_words;
for(std::size_t i = 0; i < v_utf16_lines.size(); ++i)
{
	std::wregex pattern(L"[\\u0400-\\u04FF]+");
	const std::wsregex_token_iterator end;
	std::wsregex_token_iterator ti(v_utf16_lines[i].begin(), v_utf16_lines[i].end(), pattern);
	for(; ti != end; ++ti)
	{
		s_words.insert(*ti);
	}
}

sad "s_words" sadrzi sve "unikatne" reci.
I onda drugi prolaz koristim taj set reci da proverim koliko puta se ponavlja svaka ta rec:

std::set<std::wstring>::iterator send = s_words.end();
std::set<std::wstring>::iterator sit = s_words.begin();
for(; sit != send; ++sit)
{
	std::size_t w_freq = 0;
	std::wstring pttr = L"(?<=[^\u0400-\u04FF])(?=[\u0400-\u04FF])"  + (*sit) + L"(?<=[\u0400-\u04FF])(?=[^\u0400-\u04FF])";
	std::wregex pattern(pttr);
        .....
}

ali ne podrzava lookaround.

Mislim, mogu to sve u prvom prolazu, ali dajem sebi za primer ako trazim bas neku specificnu rec, recimo:

nadji rec:  и
u: Свекрва се не сећа да је и она некад снаха била.

ovde ima 2 и аli mi treba samo kao rec, znaci treba da matchuje 1.

[webarto]

MS and Unicode, still a better love story than Twilight

Ja bih u 3 navrata to uradio... početak, kraj, i sredina.

^(и)[^\u0400-\u04FF]
[^\u0400-\u04FF](и)$
[^\u0400-\u04FF](и)[^\u0400-\u04FF]

Ostaje ti i preg_split (tako se u PHP zove), i onda da prebrojiš koliko ima takvih riječi u arrayu