c++oding="utf-8" ?>
不能用 std::string::find + replace 循环，因时间复杂度退化为 o(n×m×k)，无法处理重叠匹配、长词优先等规则；应改用 ac 自动机（如 ahocorasick 库），配合预处理、回调替换与内存优化。
敏感词替换为什么不能用 std::string::find + std::string::replace 循环？
因为时间复杂度会退化到 O(n×m×k)，其中 n 是文本长度、m 是敏感词平均长度、k 是敏感词数量。尤其当文本含大量重叠匹配（如 “法轮功” 和 “轮功” 同时存在）或敏感词库较大（>1000 条）时，单次扫描可能触发数十次子串搜索和内存拷贝，CPU 占用陡增，且无法处理“最长匹配优先”这类业务规则。
实操建议：
- 禁用嵌套循环暴力匹配，哪怕只做简单替换也不要用
while (pos = s.find(word, pos))风格 - 若敏感词极少（≤5 条）且无重叠、无长度差异，可预编译为正则（
std::regex），但注意 GCC libstdc++ 的std::regex性能差、不支持部分 PCRE 特性 - 真正可控的起点是构建 AC 自动机（Aho-Corasick）——它能把多模式匹配降到 O(n + m + k) 级别
AC 自动机在 C++ 中怎么快速落地？
不用从零手写节点结构和失配指针。推荐直接使用 ahocorasick（GitHub 上轻量 C++17 实现）或封装好的 cpp-aho-corasick 库，它们已处理好内存布局、构建优化和 Unicode 边界（如 UTF-8 多字节字符需按 codepoint 切分，而非 raw byte）。
关键配置点：
- 构建前对敏感词去重、按长度倒序排序（保证长词优先匹配，避免“北京”被“北”提前截断）
- 启用
case_insensitive时，统一转小写构建 trie，但替换时仍需保留原文 casing —— 所以不要在构建前就std::tolower原始文本 - 混淆逻辑（如 “***”、“[屏蔽]”、“B**d”）必须在回调中完成，不能在自动机构建阶段硬编码；回调函数接收匹配起始/结束位置、原始词内容，便于做上下文判断（例如：仅替换独立词，避开“法律”中的“法”）
示例片段（使用 ahocorasick）：
auto ac = ahocorasick::Automaton<:string>::build(words);
std::string output = input;
ac.search(input, [&](size_t start, size_t end, const std::string& word) {
std::string replacement = mask_word(word); // 自定义混淆逻辑
output.replace(start, end - start, replacement);
});
</:string>
混淆策略如何避免被绕过又不误伤正常语义？
单纯替换成等长星号（std::string(word.length(), '*')）在中文场景下极易失效：“法轮功” → “***”，但用户输入“法 轮 功”（带空格）或“法﹕轮﹕功”（全角符号）就逃逸。而过度替换（如把所有“法”都变“*”）又会污染“方法”“法律”。
有效做法：
- 预处理输入：标准化空白（
std::regex_replace(input, std::regex(R"([\s\u3000]+)"), " ")）、半全角标点（如将“﹕”映射为“:”），但保留原始文本用于最终输出定位 - 混淆时优先采用“首尾保留 + 中间掩码”，如
mask_word("法轮功") → "法**功"，需注意中文字符宽度为 2 字节但显示为 1 个 glyph，所以应按 Unicode codepoint 数计数，而非.length() - 加白名单兜底：对匹配结果查白名单（如
std::unordered_set<:string> whitelist = {"法国", "法官"}</:string>），命中则跳过替换
性能瓶颈往往卡在哪儿？
不是匹配本身，而是字符串拼接和内存重分配。每次 std::string::replace 都可能触发 reallocation，尤其在长文本中高频替换时。更糟的是，如果混淆后字符串变长（如“法轮功”→“[非法词汇]”），累计开销指数上升。
优化路径：
- 预先计算最大可能输出长度（原始长度 + 所有替换增量之和），用
output.reserve(estimated_size)一次分配到位 - 改用“构建索引数组 + 一次拼接”：先收集所有
{start, end, replacement}三元组，再按位置顺序遍历原字符串，用std::string_view切片 +std::ostringstream或预分配 buffer 拼接 - 若服务要求 sub-millisecond 响应（如 IM 实时过滤），考虑 mmap 内存池 + ring buffer 管理替换缓存，避免 new/delete 频繁调用
最常被忽略的一点：AC 自动机的构建是一次性开销，务必缓存 Automaton 实例，而不是每次请求都重建——敏感词库变更才需 reload。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
