C++如何实现字符串的自定义字符集映射（如繁简转换）-C++-PHP中文网

不能直接用 std::map 做繁简映射，因为繁简字非一一对应（如「后」有「後」「后」两义），且需整词替换（如「裏面」→「里面」），必须按最长匹配原则从长到短查询，vector+降序排序可实现该逻辑。

c++如何实现字符串的自定义字符集映射（如繁简转换）

为什么不能直接用 std::map 做繁简映射

因为繁体字和简体字不是一一对应关系，比如「後」→「后」，但「后」→「後」还是「后」（皇后/后来），直接键值对查表会丢语义。更麻烦的是，有些词必须整词替换，比如「裏面」→「里面」，拆成单字会错成「裡面」→「里面」+「面」→「面」。

实际可行的思路是：用 std::unordered_map 存储「词或字」到「目标字符串」的映射，但查询时必须从长到短匹配（即最长匹配原则），否则「長」和「長安」共存时，先匹配到「長」就截断了「長安」。

优先构建词表（如 OpenCC 的 zhs2zht.ini 格式），而非单字表
映射键必须按长度降序排序，否则 find_first_of 或简单遍历会命中短键
避免用 std::string::replace 原地替换——它不保证偏移不变，多次替换易错位

如何用 vector> 实现可排序的映射表

比起 std::map 或 std::unordered_map，std::vector<:pair std::string>></:pair> 更适合手动控制匹配顺序。关键是初始化时按键长度降序排列：

std::vector<:pair std::string>> mapping = {
    {"長安", "长安"},
    {"後悔", "后悔"},
    {"後", "后"},
    {"裏", "里"}
};
std::sort(mapping.begin(), mapping.end(), [](const auto& a, const auto& b) {
    return a.first.length() > b.first.length(); // 长的在前
});
</:pair>

这样遍历时就能自然实现最长匹配。注意：中文字符在 UTF-8 下占 3 字节，std::string::length() 返回字节数，所以「長」是 3，「長安」是 6，排序有效；但如果混入 ASCII 字符（如半宽标点），需统一用 UTF-8 aware 方案（如 ICU 或 utf8cpp）处理长度。

不要用 std::map 自动排序——它的默认字典序对中文无意义
如果映射表很大（>10k 条），线性遍历慢，可改用 AC 自动机或 trie，但绝大多数场景下 vector + sort 足够
加载时校验重复键：用 std::set 检查 mapping[i].first 是否已存在

怎么安全地逐段替换而不破坏 UTF-8 编码

直接用 std::string::find 和 substr 是最稳妥的方式，前提是每次只替换一个匹配项，然后从下一个位置继续搜，避免重叠和越界：

C++ 算法竞赛自动化测试数据生成与校验框架

根据原题生成新题面、验证器及完整测试数据，自动套用 testlib 模板，用于用户要求生成测试数据时。

下载

std::string convert(const std::string& src, const std::vector<:pair std::string>>& mapping) {
    std::string result;
    size_t pos = 0;
    while (pos 
<p>这个实现不依赖任何外部库，兼容所有 C++11+ 编译器，且能正确处理 UTF-8 多字节序列——因为只按字节比较、不拆解 Unicode 码点。</p>
<ul>
<li>别用 <code>std::string::replace</code> 在原串上操作：它会移动后续内存，导致 pos 计算错乱</li>
<li>别用 <code>std::wstring</code> + <code>std::locale</code>：Windows 上 locale 对 GBK/UTF-8 支持不稳定，Linux 上也未必覆盖全部汉字</li>
<li>如果性能敏感（如每秒处理 MB 级文本），可预计算每个起始位置的最大可能匹配长度，跳过无效检查</li>
</ul>
<h3>遇到「一简对多繁」怎么办（比如「发」→「發/髮」）</h3>
<p>纯静态映射表无法解决歧义，必须引入上下文判断。最轻量的做法是加规则层：例如「发」后面跟「财」「展」「明」等字时映射为「發」，跟「型」「根」「廊」时映射为「髮」。</p>
<p>实际工程中，OpenCC 用的是基于词性的双数组 trie + 规则引擎，但自己实现只需加一层条件判断：</p>
<pre class="brush:php;toolbar:false;">
if (from == "发") {
    if (pos + from.length() 
<p>这种硬编码规则适用于固定场景（如游戏本地化、合同模板），但若需通用支持，就得引入分词库（如 cppjieba）先切词再映射——否则「发展」会被当成「发」+「展」，而「发廊」里的「发」本应是「髮」却匹配不到。</p>