C/C++で文字列内の単語を反復処理する最もエレガントな方法

C/C++の文字列に含まれる単語を反復処理する「唯一のエレガントな方法」は存在しません。可読性の高さをエレガントと評価する人もいれば、実行パフォーマンスの高さこそがエレガントだと考える人もいます。ここでは、文字列を単語ごとに分割しながら反復処理するための代表的な2つの方法を、コード例とともに紹介します。

方法1：stringstreamで空白区切りの単語を読み取る

最初の方法は、std::stringstreamを使用して、スペースで区切られた単語を順番に抽出するアプローチです。柔軟性にはやや欠けますが、適切なチェックを組み合わせれば、ほとんどの場面で十分に実用的です。

#include <vector>
#include <string>
#include <sstream>
using namespace std;

int main() {
    string str("Hello from the dark side");
    string tmp;              // 各反復で単語を格納する文字列
    stringstream str_strm(str);
    vector<string> words;    // 単語を保持するベクターを作成

    while (str_strm >> tmp) {
        // tmpが空でないかなどのチェックを行う
        // 記号（! や . や ? など）を取り除く処理もここで行う
        // 最後にベクターへ追加する
        words.push_back(tmp);
    }
}

この方法では、抽出演算子 >> が自動的に空白（スペース・タブ・改行）をスキップしてくれるため、連続した空白が含まれていても正しく単語を分割できるのが利点です。

方法2：getline関数で任意の区切り文字を指定する

もう1つの方法は、std::getline関数に独自の区切り文字（デリミタ）を渡して文字列を分割するものです。カンマなど、空白以外の区切り文字にも対応できる点が大きなメリットです。

#include <vector>
#include <string>
#include <sstream>
using namespace std;

int main() {
    std::stringstream str_strm("Hello from the dark side");
    std::string tmp;
    vector<string> words;
    char delim = ' '; // 分割に使用する区切り文字を定義

    while (std::getline(str_strm, tmp, delim)) {
        // tmpが空でないかなどのチェックを行う
        // 記号（! や . や ? など）を取り除く処理もここで行う
        // 最後にベクターへ追加する
        words.push_back(tmp);
    }
}

どちらの方法でも、ループ内で空文字列のチェックや記号の除去といった前処理を加えることで、より堅牢な実装になります。さらに複雑なトークン化が必要なケースでは、std::regexやBoost.Tokenizerなどの活用も検討するとよいでしょう。