std::string::find+replace仅适用于小文本和少量敏感词，性能差且易漏匹配；AC自动机配合mmap分块处理、逆序替换和两遍构建结果才是高效方案。
用 std::string::find + std::string::replace 做简单替换，但性能差
单次查找 + 替换在小文件、少量敏感词时可行，但遇到 100+ 敏感词或几 MB 文本，会变成 O(n×m) 时间复杂度（n 是文本长度，m 是敏感词数量），实际跑起来明显卡顿。
常见错误是写成循环调用 find，每次从头开始搜，导致重复扫描；更糟的是没处理重叠匹配（如敏感词 "ab" 和 "abc" 同时存在时，"abc" 被替换成 "**c" 后，"ab" 就漏了）。
- 只适合临时脚本或词表 ≤ 10 条、文本 ≤ 10 KB 的场景
- 记得用
size_t pos = 0控制起始搜索位置，避免死循环 -
replace后要更新pos，否则可能反复替换同一位置
用 AC 自动机（Aho-Corasick）做多模式匹配，才是真·快速
AC 自动机把所有敏感词构建成一棵带失败指针的 Trie，一次扫描就能同时匹配全部词，时间复杂度接近 O(n + m + k)，k 是匹配总数。C++ 没有标准库实现，但可以用 ahocorasick 第三方库，或手写一个轻量版（200 行内可搞定）。
关键点不是“有没有树”，而是“怎么边匹配边替换”：不能等全扫完再批量替换（会破坏原始位置偏移），得在匹配到每个敏感词时，记录其 start 和 length，最后按逆序逐个 replace（避免索引错位）。
立即学习“C++免费学习笔记（深入）”；
- 构建 Trie 时，每个节点存
end_id（对应敏感词索引），方便查替换目标 - 失败指针要支持“输出链”——比如
"he"失败后跳到"e"，而"e"本身也是敏感词，就得一并触发 - 输入文本用
std::string_view遍历，避免频繁构造子串
内存映射（mmap）+ 分块处理大文件，避免 std::ifstream 吞吐瓶颈
读取几百 MB 的日志文件时，用 std::ifstream::read 容易因缓冲区小、系统调用多而变慢；直接 mmap 到内存，再用 AC 自动机扫描，速度能提升 2–5 倍（尤其 SSD 上）。
注意 Windows 和 Linux 的 API 不同：Linux 用 mmap + open，Windows 用 CreateFileMapping + MapViewOfFile。别直接对整个 GB 文件 mmap——会触发 swap，反而更慢；建议按 1–4 MB 分块处理。
- 替换结果写入新文件，别原地修改（mmap 不保证写回原子性）
- 每块末尾预留至少最长敏感词长度的重叠区，防止跨块漏匹配（如块尾是
"hello"前半，下一块开头是"world"，合起来"helloworld"可能被切开） - 用
std::string_view指向 mmap 区域，确保不拷贝原始数据
替换策略影响最终效果：星号遮盖 vs. 同长度空格 vs. 上下文保留
用户说“替换”，但实际需求差异很大："密码" 替换成 "****" 是安全要求，"xxx" 替换成 "[屏蔽]" 是合规要求，而某些场景（如代码注释清洗）需要保持列对齐，就得用空格填充。
别在 AC 匹配阶段就拼接新字符串——那样会频繁分配内存。推荐两遍处理：第一遍只收集所有匹配位置和原始长度，第二遍用预分配的 std::string result，用 append + insert 构建结果，中间跳过原内容，插入对应遮盖串。
- 遮盖串长度 ≠ 敏感词长度时（如 UTF-8 中中文占 3 字节，但显示为 1 字符），要用
std::mbstowcs或 ICU 库算字符数，否则星号数量错乱 - 若需保留上下文（如只替换独立单词），正则预过滤成本高，不如在 AC 节点加
is_word_boundary标记，匹配后检查前后字符是否为isspace或标点 - 大小写不敏感？别用
std::tolower全转小写——UTF-8 下失效；AC 构建时就统一转义，或用 locale-aware compare
"枪" 和 "枪支"）、以及替换后引发的新敏感词（如把 "fuck" 替成 "f**k"，结果 "f**k" 又被另一条规则当成 "f*k" 匹配）。这些必须在设计阶段就明确策略，而不是靠“多跑几轮替换”来补救。 
