使用std::unordered_map进行单字符简繁转换最直接，需用char32_t存储utf-32码点，静态定义映射表，utf-8字符串须先解码为u32string再映射，未匹配字符原样保留，词级转换需额外规则且优先于字级。
用 std::unordered_map 做单字符映射最直接
简繁转换本质是 Unicode 码点到码点的查表替换，std::unordered_map<char32_t char32_t></char32_t> 是最轻量、最可控的选择。别用 std::map —— 它强制排序，而映射表不需要有序，且 unordered_map 平均 O(1) 查找更稳。
注意：必须用 char32_t（不是 char 或 wchar_t），因为简繁字远超 BMP 范围（比如「?」这类扩展汉字），char32_t 才能无歧义表示 UTF-32 码点。
- 初始化时用 Unicode 十六进制字面量，如
{U'一', U'壹'}，避免源文件编码或编译器宽字符处理差异 - 映射表建议静态常量定义，避免每次调用重建：
static const std::unordered_map<char32_t char32_t> kS2TMap = {...};</char32_t> - 未匹配字符应原样保留，不要默认转空或报错 —— 混排文本（如数字、英文字母、标点）很常见
UTF-8 字符串需先解码再映射，不能按字节操作
直接遍历 std::string 的 char 会把一个汉字拆成多个字节，导致乱码或越界。必须先将 UTF-8 解码为 std::u32string，映射后再编码回 UTF-8。
别手写 UTF-8 解码 —— 容易漏掉代理对校验、过长序列等边界。用标准库或成熟小工具：
- C++20 起可用
std::from_bytes+std::to_bytes（但支持度还不普适） - 更稳妥：用
std::codecvt_utf8<char32_t></char32_t>（虽已 deprecated，但目前仍是唯一标准方案）；或引入轻量库如utf8cpp的utf8::utf8to32() - 示例关键逻辑：
std::u32string u32 = utf8_to_u32(input); for (char32_t c : u32) output_u32 += map.count(c) ? map.at(c) : c;
批量映射要防“连字”误替换（如「臺灣」→「台湾」不能拆成单字硬套）
纯单字映射无法处理词级转换（如「裏」在「裏面」中转「里」，但在「表裏」中应转「表里」）。但绝大多数简繁场景仍以单字为主，词级属于例外，需额外规则。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
如果真要支持词级，不要把整张词表塞进 unordered_map —— 效率崩坏。正确做法是：
- 先做单字映射作为基础层
- 对结果字符串再跑一次正则或前缀树（
std::trie非标准，可用absl::flat_hash_set<:string></:string>存词表）匹配长词，覆盖短词结果 - 优先级必须明确：词映射 > 字映射。例如先扫「臺灣」，再扫「臺」「灣」
- 注意重叠匹配：「中國銀行」含「中國」「國銀」，需最长匹配或指定顺序
性能敏感场景慎用 std::wstring_convert
std::wstring_convert 和 std::wbuffer_convert 在 C++17 已被标记为 deprecated，GCC/Clang 新版本默认禁用，且内部实现常触发异常（如非法 UTF-8 序列直接 throw），不适合生产环境批量处理。
实际出错时你会看到：std::range_error: convert: invalid UTF-8 sequence。它不提供容错解码选项，也没法跳过坏字继续处理。
- 替代方案：用
utf8cpp的utf8::validate()预检，或用std::codecvt_utf8配合std::mbstate_t手动控制状态 - 若输入不可信（如爬虫抓取的网页），务必加 try-catch 或预过滤，否则一次坏数据就 crash 整个批量任务
真正麻烦的不是映射本身，而是 Unicode 边界情况：同一个繁体字在不同地区写法不同（如「着」vs「著」）、异体字归属、全半角标点混用。映射表得按需求来源（如台湾 CNS11643、香港 HKSCS、大陆 GB18030）分版本维护，别指望一张表打天下。
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！
