最直接核心思路是切分单词→丢进std::unordered_set→返回集合大小；需手动剥离标点、处理空格与非ascii字符，推荐双指针扫描配合isalnum()，必要时转小写并考虑string_view优化。
用 std::unordered_set 去重并计数最直接
核心思路是：切分单词 → 丢进哈希集合 → 返回集合大小。C++ 没有内置的“按空白拆词”函数，得自己处理或借助 std::istringstream。别用 std::set——它带排序开销，纯去重场景 std::unordered_set 更快。
常见错误是把标点当单词一部分。比如 "hello, world!" 如果不清洗，会得到 "hello," 和 "world!"，导致重复计数失败。所以得先剥离非字母数字字符，或在分割时跳过它们。
- 用
std::istringstream按空格拆，再对每个 token 调用std::isalnum()过滤首尾标点（简单场景够用） - 更鲁棒的做法：遍历字符串，用状态机识别连续字母/数字段，忽略其他字符
- 注意大小写：默认应视为不同单词（
"Hello"≠"hello"），如需忽略，统一转小写再插入
手写单词提取比依赖 operator>> 更可控
std::istringstream 的 >> 会把 "a,b,c" 当成一个 token（因为逗号不是空白），但实际你可能希望拆成 "a"、"b"、"c"。这时候必须手动扫描。
典型做法是双指针：外层跳过非字母数字，内层收集连续的 std::isalnum() 字符。
std::unordered_set<:string> words; for (size_t i = 0; i <h3>性能和边界情况必须检查</h3> <p>长字符串下，频繁调用 <code>s.substr()</code> 可能触发多次内存分配；如果只统计个数不存单词，可改用 <code>std::string_view</code>（C++17）避免拷贝。但 <code>std::unordered_set<:string_view></:string_view></code> 需确保原始字符串生命周期足够长。</p> <ul> <li>空字符串或全空白：返回 0，代码里要覆盖 <code>i >= s.length()</code> 的退出条件</li> <li>超长单词（比如 URL 或 base64）：<code>substr</code> 没问题，但要注意 <code>std::string</code> 的最大长度限制（通常不是瓶颈）</li> <li>中文或其他 Unicode：<code>std::isalnum()</code> 依赖 locale，默认 C locale 下只识别 ASCII，需显式设置 locale 或改用 ICU 库</li> </ul> <h3>别忽略标点粘连和 Unicode 空格</h3> <p>真实文本里常见 <code>"word. " </code>、<code>"test\t\n"</code> 或 Unicode 不间断空格（<code>\u00A0</code>）。仅靠空格分隔会漏掉这些分隔符，导致单词合并。建议用 <code>std::isspace()</code> 替代硬编码空格判断，并配合 locale 设置支持多语言空白符。</p> <p>如果输入含混合编码（如 UTF-8 中文 + 英文），<code>std::isalnum()</code> 仍只判单字节，此时需用 <code>std::codecvt_utf8</code> 或第三方库（如 utf8cpp）做正确字符边界识别——否则一个中文字符会被拆成多个无效字节序列，破坏单词完整性。</p> <p>真正处理国际化文本时，<code>std::string</code> 本身就不够用，得升维到 <code>std::u32string</code> 或用 ICU 的 <code>BreakIterator</code>。普通英文日志分析，上面的手动扫描已足够。</p></:string>
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！
