std::regex默认ecmascript模式中s仅匹配ascii空白（空格、 、 、 、 、 ），不识别全角空格u3000或unicode分隔符u2000–u200a，且不支持p{zs}等unicode类别语法。
为什么 std::regex 处理空白符容易漏掉制表符或全角空格
因为默认正则模式（ECMAScript）不把 s 当作 Unicode 空白，它只匹配 ASCII 范围内的 、 、
、
、 和 ，而像 （全角空格）、u3000、u2000–u200A 这类 Unicode 空白符完全被忽略。C++ 标准库的 std::regex 也不支持 p{Zs} 这类 Unicode 类别语法。
实操建议：
- 若只需清洗 ASCII 空白，用
std::regex_replace(s, std::regex(R"(s+)"), " ")可行，但注意R"(s+)"中的反斜杠必须双写（即R"(\s+)"）否则编译失败 - 若需覆盖常见 Unicode 空白，手动列出范围更可靠：例如
R"([su3000u2000-u200Au2028u2029]+)"（注意 C++11 起支持 Unicode 转义，但需源文件保存为 UTF-8 且编译器启用-finput-charset=utf-8） - 避免用
std::regex做多次替换——比如先去首尾再压缩中间，应合并为单次正则，否则性能下降明显（std::regex构造开销大）
用 std::isspace + 迭代器做无依赖清洗更稳
当项目不能引入 ICU 或 Boost.Regex，又必须兼容各种空白（包括 locale-aware 的 、 等），直接遍历字符串 + std::isspace(int c, const std::locale&) 是最可控的方式。
实操建议：
- 不要直接传
char给std::isspace——有符号 char 负值会触发未定义行为；应先转成unsigned char，再转int - 显式指定 locale，如
std::locale("C")保证只识别 ASCII 空白；用std::locale("")则随系统环境变化，可能意外吞掉某些非空格字符 - 压缩连续空白时，用双指针原地修改比反复
push_back更快：检测到非空白就拷贝，遇到空白只保留第一个（跳过后续连续空白）
std::regex_replace 替换为空字符串 vs 替换为单空格的取舍
清洗目的不同，策略完全不同：预处理用于搜索/分词，通常要彻底移除所有空白；生成展示文本，则需保留语义空格（比如 “a b” → “a b”，而非 “ab”）。
实操建议：
- 彻底清除：用
std::regex_replace(s, std::regex(R"(\s+)"), "")——注意这里第二个参数是空字符串""，不是" " - 规范化为单空格：用
std::regex_replace(s, std::regex(R"(\s+)"), " ")，但需额外 trim 首尾，否则结果含前导/尾随空格 - 若输入含换行符且希望保留段落结构（如 HTML 文本预处理），可分两步：先用
R"([ ]+)"替换为单空格，再单独处理" "不动，或统一为" "）
Windows 下
导致的重复清洗问题
从文件读入的字符串若含
，用 s 匹配时会被当作两个独立空白符，导致 s+ 在跨平台处理中行为不一致（Linux/macOS 是
单字符，Windows 是双字符序列）。
实操建议：
- 读文件后立即 normalize 行结束符：用
std::replace(s.begin(), s.end(), ' ', ' ')再std::replace(s.begin(), s.end(), ' ', ' ')，或更稳妥地用std::regex_replace(s, std::regex(R"( | | )"), " ") - 若清洗后要写回文件，别假设输出一定是
- 调试时打印 hex 值验证：比如
printf("%02x ", (unsigned char)c)，能快速发现不可见的
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！
