C++如何从字符串中移除所有的敏感词汇-C++-PHP中文网

最直接适合敏感词数量少：用 std::string::find + std::string::erase 逐个替换。

c++如何从字符串中移除所有的敏感词汇

用 `std::string::find` + `std::string::erase` 逐个替换最直接

适合敏感词数量少（erase 后要重置搜索起始位置，否则会跳过紧邻的词。

常见错误：在循环中用固定 pos = 0 开始找，或擦除后没更新 pos，导致重复词只删第一个。正确做法是让 pos 从上次擦除后的位置继续：

std::string text = "这个App很黄很暴力";
std::vector<:string> badwords = {"黄", "暴力"};
for (const auto& w : badwords) {
    size_t pos = 0;
    while ((pos = text.find(w, pos)) != std::string::npos) {
        text.erase(pos, w.length());
        // 不加 pos += 0，因为擦除后后续内容前移，下次从同一位置再查（防"aa"删成"a"后漏掉下一个"a"）
    }
}</:string>

⚠️ 注意：find 是子串匹配，不区分词边界——“发票”会误杀“开发票”里的“发票”。如需整词过滤，得加空格/标点判断，或改用正则。

用 `std::regex_replace` 实现带边界控制的过滤

当需要“仅匹配独立词汇”（如“枪”不匹配“手枪”，但匹配“一把枪”中的“枪”），正则的单词边界 \b 是最简方案。但 C++11 的 std::regex 在 GCC 低版本有性能 bug，MSVC 支持较好。

实操要点：

构造正则时对每个敏感词做 std::regex_escape（C++20 起才有；C++17 及以前需手动转义 .、*、? 等）
用 (?:word1|word2|word3) 合并所有词，避免多次扫描；加上 \b 包裹实现整词匹配
替换为空字符串即可

示例（C++20）：

C++14

C++14 对 C++11 的修正与增强版本，适合旧系统维护和较老工具链兼容。

下载

std::string text = "别提枪和手枪，只说枪支";
std::vector<:string> badwords = {"枪", "枪支"};
std::string pattern = "\b(?:"; 
for (size_t i = 0; i  0) pattern += "|";
    pattern += std::regex_replace(badwords[i], std::regex(R"([\^$.|?*+(){}])"), R"($&)");
}
pattern += ")\b";
text = std::regex_replace(text, std::regex(pattern), "");</:string>

高频/长文本场景必须用 AC 自动机（Aho-Corasick）

当敏感词库达几百上千个、日均处理 GB 级文本（如聊天消息实时过滤），find 或正则会 O(n×m) 暴力扫描，CPU 直接拉满。AC 自动机把多模式匹配降到 O(n + m)，是工业级选择。

关键取舍点：

不建议手写——容易出错且难调试；推荐用成熟轻量库，如 ahocorasick（header-only，#include "ahocorasick.hpp"）
构建自动机是一次性开销，之后每次匹配可复用；务必缓存 AcTrie 实例，别每次新建
它默认返回所有匹配位置，你要自己遍历并标记/擦除；注意重叠匹配（如"ab"和"abc"）需按长度或优先级合并处理

简单示意（伪代码）：

AcTrie trie;
for (const auto& w : badwords) trie.add(w);
auto matches = trie.search(text); // vector of {start, end, word}
// 逆序遍历 matches，防止 erase 后索引失效
std::sort(matches.rbegin(), matches.rend());
for (const auto& m : matches) {
    text.erase(m.start, m.end - m.start);
}