必须用string_view避免拷贝，TrieNode用std::array存储子节点并禁用拷贝操作，insert时通过sv[i]-'a'索引分支且需断言字符范围。
要在C++中实现毫秒级响应的前缀树（Trie）搜索，必须避开每次插入/查询都拷贝字符串的开销，同时压缩内存占用以提升缓存命中率——【string_view仅保存指针和长度，不持有所有权，是避免拷贝的关键】，而字典压缩需在构建阶段完成，不能拖慢在线查询。
定义轻量级TrieNode结构
用std::array<:unique_ptr>, 26>替代std::map
声明TrieNode时禁用拷贝构造与赋值：TrieNode(const TrieNode&) = delete; TrieNode& operator=(const TrieNode&) = delete；否则shared_ptr或unique_ptr语义易出错。
这一步操作起来很简单，直接把文件拖进去就行。
用string_view构建Trie，禁止隐式转换
构造函数接收const std::vector<:string>&字典，但内部遍历转为std::vector<:string_view>视图数组——【必须显式构造string_view，禁止让编译器自动从const char*推导，否则临时字符串析构后view悬空】。
逐个调用insert(std::string_view sv)方法：从根节点出发，对sv[i] - 'a'取下标，若对应子节点为空则new TrieNode，继续向下；到达末尾时置is_end = true。
注意：只支持小写a-z，其他字符会越界访问array——上线前务必加assert(sv[i] >= 'a' && sv[i]
实现前缀匹配与字典压缩融合
方法一：构建后执行一次DFS遍历，合并所有“单路延伸且非终结”的节点链为压缩边——例如路径 a→b→c→d（仅d为end）可压成一条边"abcd"，子节点挂d之后的分支（如有）。
方法二：在insert过程中动态压缩——每插入一个词，检查其路径上是否存在可合并的单子节点链，但会显著增加插入复杂度，不适合高频更新场景。
方法三：离线压缩（推荐）：构建完整Trie后，调用compress()函数，用栈模拟DFS，对每个节点判断是否满足：子节点数==1 && is_end==false → 合并当前字符到子节点的压缩label，并将子节点的子树整体上移。这一步必须后序遍历，否则父节点被删后子树丢失。
高性能prefix_search实现
第一步：输入std::string_view prefix，从根节点开始遍历。
第二步：对prefix每个字符c，计算idx = c - 'a'；若当前节点children[idx]为空，立即返回空vector。
第三步：到达prefix末尾后，从此节点出发BFS收集所有is_end == true的路径——但不用拼接完整字符串，而是回溯记录每条路径的压缩label序列，最后用std::string构造结果。
关键优化：BFS队列中存的是{current_node, current_string_length}，而非完整string或string_view；拼接动作只在叶子节点触发，避免中间节点反复拷贝。
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！
