csv解析需用状态机处理换行符与引号规则，统一归一化为\n；高频查询字段建map/unordered_map索引，边解析边构建；简单where/like查询拆解为三元组，支持==、!=、like（%通配）；大文件可结合行偏移索引与mmap优化。
CSV 文件读取时换行符和字段分隔符怎么处理才不崩
Windows 和 Linux 下的换行符（\r\n vs \n）混在一起，用 std::getline 直接按行读容易把最后一列吃掉；CSV 字段里含逗号、换行或双引号时，不解析引号包围规则会直接切错列。别手写 std::string::find 拆分——它对 "a,b",c,"d\r\ne" 这种毫无招架之力。
实操建议：
- 用状态机逐字符解析：遇到开头双引号就进入 quoted 模式，连续两个双引号视为转义，直到下一个未转义的双引号才退出
- 换行符统一在解析完一行后归一化为
\n，避免后续字符串比较出错 - 字段内容剥离包裹双引号后，再做
std::stoi/std::stod转换，别在带引号的字符串上直接转
用 std::vector<:vector>> 存数据够不够快
够简单，但查起来慢。每次 WHERE name = 'Alice' 都得遍历全部行，O(n) 时间，10 万行就是 10 万次字符串比对。更糟的是，内存布局不连续，CPU 缓存不友好。
实操建议：
- 建索引只针对高频查询字段：比如
id是整数，就额外存一个std::map<int size_t></int>（值是行号），find()变成 O(log n) - 字符串字段如
email，用std::unordered_map<:string std::vector>></:string>支持重复值，注意设置足够 bucket 数避免哈希冲突拖慢 - 别把整个 CSV 加载后才建索引——边解析边插入索引，省一次遍历
如何支持类似 WHERE 和 LIKE 的简单查询语法
不需要完整 SQL 解析器。真实场景里，80% 的需求只是 WHERE status == "active" 或 WHERE name LIKE "Li%"。硬上 ANTLR 或手写递归下降，反而让代码难维护、编译慢、体积大。
Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。
实操建议：
- 查询条件拆成三元组：
(column_name, operator, value)，支持==、!=、LIKE三种 operator -
LIKE只实现%通配（前缀/后缀/中含），用std::string::find+std::string::starts_with（C++20）或自定义匹配函数即可 - 多个条件用 AND 连接（不支持 OR），逐行检查：所有条件
eval(row) == true才保留，逻辑清晰且易调试
内存映射文件（mmap）能加速大 CSV 吗
能，但仅当文件 >50MB 且你只做少量随机行访问时才值得。 mmap 把文件“假装”成内存地址，省了 read() 系统调用开销，但 CSV 是文本格式，你依然得从头开始找行首、解析字段——没法跳到第 1000 行直接读。
实操建议：
- 先用
std::ifstream::seekg做行号→字节偏移的粗略索引（记录每行起始 offset），再配合 mmap 按需加载片段 - Linux 用
mmap+MAP_POPULATE预加载；Windows 用CreateFileMapping+MapViewOfFile，别漏掉UnmapViewOfFile - 小文件（std::ifstream，mmap 反而增加复杂度和页错误开销
CSV 数据库检索真正的难点不在读或存，而在字段类型推断和空值语义——比如 "",NULL,"0" 到底算空字符串、空指针还是数字零。这需要你在解析时加标记位，而不是全塞进 std::string 就完事。
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！
