ac自动机比暴力find快得多，单次扫描完成全部匹配，时间复杂度接近o(n+m)；需去重、按长度升序插入、bfs初始化fail指针；替换应从右往左处理并避免二次匹配；中文需utf-32或unicode码点预处理。
敏感词匹配用 AC 自动机比暴力 find 快得多
直接循环调用 std::string::find 查每个敏感词，文本长、词库大时性能断崖式下跌。AC 自动机（Aho-Corasick）把所有敏感词构建成一棵带失败指针的 Trie，单次扫描就能完成全部匹配，时间复杂度接近 O(n + m)（n 是文本长度，m 是匹配总数），实测 10 万词库+1MB 文本，提速 50 倍以上。
别手写失败指针逻辑——容易漏掉多层回退或重复入队。推荐用成熟实现，比如 aho-corasick 库（C++17，头文件仅需 aho_corasick.hpp），或自己封装基于 std::vector 的紧凑 Trie 节点：
struct Node {
std::array<int> next = {}; // 简化版：ASCII 映射
int fail = 0;
bool is_end = false;
std::vector<size_t> output; // 匹配到的词索引（支持同位置多词）
};
</size_t></int>
构建 AC 自动机时必须对敏感词去重和排序
重复词会浪费节点和 output 存储；更麻烦的是，若词 A 是词 B 的前缀（如 “色情” 和 “色情网站”），不按长度升序插入，会导致短词的 output 在长词匹配时被覆盖或遗漏。
- 先用
std::set<:string></:string>去重 - 再按长度升序排序，长度相同时字典序无关紧要
- 插入时记录原始词索引，方便后续定位具体是哪个词命中
- 构建完立即调用 BFS 初始化
fail指针——不能延迟到查询时算
replace 替换时注意避免二次匹配和越界
原地替换（如把“枪支”替成“**”）后，新字符串可能意外触发其他敏感词（例如“支**”又含“支”），或者因长度变化导致下标错位。生产环境强烈建议只做标记或返回位置，替换交给上层决定：
- 用
std::vector<:pair size_t>></:pair>返回所有匹配区间（左闭右开） - 若必须替换，先收集全部区间，再从右往左处理（避免左边替换影响右边坐标）
- 不要用
std::string::replace频繁拼接——小字符串还行，大文本建议用std::string_view+ 输出缓冲区
中文敏感词要预处理编码和分词边界
AC 自动机默认按字节匹配，UTF-8 中文一个字占 3 字节，直接塞进去会把“你好”拆成 6 个无效字节节点。两种解法：
- 统一转为 UTF-32（
std::u32string），用char32_t构建 Trie，内存翻 4 倍但逻辑干净 - 保持 UTF-8，但预处理敏感词：用 ICU 或
utf8cpp库正确切分 Unicode 码点，再逐码点插入（不是逐字节） - 完全避开多字节问题：用拼音转换（如“枪支”→“qiangzhi”），但漏掉同音异形词，慎用
另外，单纯字符匹配会误杀（如“王八”在“王八蛋”里命中，但“王八”单独出现才需过滤），真要语义级过滤得接 NLP 分词器，AC 自动机只负责高速初筛。
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！
