std::unordered_set 本身不保持插入顺序，但可配合 vector 实现去重且保序：用 unordered_set 快速判重（平均 o(1)），仅首次出现的单词加入 vector，自然保留原始顺序；需注意标点处理、大小写敏感性及边界情况。
用 std::unordered_set 去重并保持原始顺序
直接用 std::set 或 std::unordered_set 本身不能保留单词首次出现的顺序，但可以配合遍历实现：边检查边插入，只保留第一次出现的单词。关键不是“去重”，而是“去重且不打乱顺序”。
常见错误是先 split 再用 std::set 排序后输出——这会按字典序重排，完全偏离需求。
- 用
std::istringstream按空格切分，比手写find/substr更可靠（自动跳过多空格） - 用
std::unordered_set<:string></:string>快速判断是否见过该单词，平均 O(1) 查找 - 只把没出现过的单词 push 到结果 vector，自然保序
- 注意：标点未剥离，
"hello"和"hello,"被视为不同单词；如需清洗，得额外处理
std::vector<:string> unique_words;
std::unordered_set<:string> seen;
std::istringstream iss("cat dog cat bird dog");
std::string word;
while (iss >> word) {
if (seen.find(word) == seen.end()) {
seen.insert(word);
unique_words.push_back(word);
}
}</:string></:string>
遇到带标点的单词怎么办
如果输入是 "hello, world! hello."，默认切分得到 "hello,"、"world!"、"hello."，它们互不相等，去重失效。
这不是算法问题，是预处理缺失。C++ 没有内置的“按词干去重”，必须显式剥离常见标点。
- 简单方案：对每个
word调用std::isalnum扫描，提取连续字母数字子串（忽略首尾非字母数字字符） - 更稳做法：用
std::regex_replace(word, std::regex(R"([^\w])"), "")，但性能差，小文本可用 - 别直接用
std::tolower处理整个 string——它不支持 locale，对非 ASCII 字符（如 `é`）可能出错 - 若需大小写不敏感去重，建议先统一转小写再塞入
seen，但注意std::tolower要逐字符调用并 cast 成unsigned char
std::unique 为什么不能直接用
std::unique 只移除**相邻重复项**，不是全局去重。对未排序的 vector 调用它，"cat dog cat" 中第二个 "cat" 不与第一个相邻，不会被删。
有人试过先 sort 再 unique，结果顺序全乱，还得额外记录原始索引——复杂度和出错概率都上升，纯属绕路。
-
std::unique的适用场景是已排序或天然相邻重复的数据流，比如日志里连续多行相同状态 - 它返回的是新逻辑终点迭代器，不自动缩容 vector，常有人忘了跟
erase配合，导致“看似删了实则还在” - 它的比较函数只接受二元谓词，无法接入外部哈希表，做不到“查全局历史”
性能敏感时要注意什么
单次处理几千个单词，怎么写都够快；但若在循环里高频调用（比如解析每行日志），构造 std::unordered_set 和 std::istringstream 的开销就值得抠。
- 复用
std::istringstream对象，调用iss.clear()+iss.str(new_str)，避免反复构造 -
std::unordered_set提前reserve(估计单词数)，减少 rehash 次数 - 如果确定单词全是 ASCII 且长度 ≤ 16，可考虑用
std::string_view配合自定义哈希（避免每次构造 string） - 极端情况（如嵌入式环境）禁用异常和 RTTI 后，
std::unordered_set的 allocator 行为可能变化，建议单元测试覆盖空输入和超长单词
最易被忽略的是边界：空字符串、全空格输入、连续制表符或换行符——std::istringstream 会跳过所有空白，但若整串只有空白，while (iss >> word) 一次都不进，结果为空 vector，这是正确行为，不是 bug。
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！
