模糊匹配指编辑距离、通配符匹配或正则容错等近似字符串匹配技术；C++标准库无现成实现，需按场景选Levenshtein（拼写纠错）、DP通配符（文件名匹配）或正则粗筛+编辑距离细判。
什么是模糊匹配，C++里没有现成的 std::string::fuzzy_match
标准 C++ 库不提供模糊匹配函数。所谓“模糊匹配”，常见指编辑距离（Levenshtein）、子串近似、通配符（* 和 ?）匹配、或正则中的容错模式。你得根据实际场景选算法，而不是指望一个通用接口。
比如用户输错 “recieve”，你想匹配 “receive”；或者日志中要找含 “err.*timeout” 但允许 1–2 个字符偏差的行 —— 这两类问题用的不是同一套逻辑。
用 Levenshtein 距离做拼写纠错，注意时间和空间开销
这是最常被当作“模糊匹配”的实现。它算出两个字符串的最小编辑操作数（插入、删除、替换）。距离 ≤ 某阈值（如 2）就认为匹配。
-
std::string长度为 m、n 时，朴素动态规划需 O(m×n) 时间和空间 - 实际中若只关心距离是否 ≤ k（小整数），可用
Ukkonen 算法优化到 O(m×k) - 别对长字符串（如 >1KB）直接跑完整 DP 表，容易卡顿或爆内存
- 示例片段（简化版，仅计算距离）：
int levenshtein(const std::string& a, const std::string& b) {
int m = a.size(), n = b.size();
std::vector<std::vector<int>> dp(m+1, std::vector<int>(n+1));
for (int i = 0; i <= m; ++i) dp[i][0] = i;
for (int j = 0; j <= n; ++j) dp[0][j] = j;
for (int i = 1; i <= m; ++i)
for (int j = 1; j <= n; ++j)
dp[i][j] = std::min({dp[i-1][j]+1, dp[i][j-1]+1,
dp[i-1][j-1] + (a[i-1] != b[j-1])});
return dp[m][n];
}
通配符匹配（* 和 ?）别手写回溯，用 DP 更稳
像 shell 的 file*.log 或 Windows 路径匹配，本质是带通配符的子串判定。暴力递归遇到 **** 可能指数级爆炸。
C++ Code Review Master
下载
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
立即学习“C++免费学习笔记（深入）”；
- 推荐二维 DP：
dp[i][j]表示s[0..i)是否能匹配p[0..j) -
?匹配任意单字符，*匹配任意长度（含零）字符串 - 初始化注意：
p开头连续*全为 true，其余为 false - 关键转移：
dp[i][j] = dp[i][j-1] || dp[i-1][j]（当p[j-1]=='*'） - C++20 的
<regex>不支持*/?通配符语义，它是 POSIX/ECMAScript 正则，得自己实现或用boost::filesystem::wildcard_match
正则表达式加容错？别硬改 std::regex
std::regex 不支持编辑距离或模糊量词（如 {~2} 表示“允许 2 个错配”）。强行在 pattern 里写 (a|b|c) 枚举所有邻近字符，pattern 会爆炸式膨胀。
- 真需要正则 + 模糊，用专用库：如
hyperscan（支持模糊扫描）、re2（可配合自定义 scorer） - 简单场景：先用正则粗筛（如
"err.*time"），再对结果集逐个调用levenshtein细判 - 注意
std::regex在 GCC 中性能一般，Clang/libc++ 实现更轻量，但都无模糊扩展
模糊匹配不是“一个函数调用就能搞定”的事。编辑距离、通配符、正则容错，底层模型不同，API 设计和性能瓶颈也不同。选错路径，轻则慢几倍，重则内存溢出或匹配错误。动手前先问清楚：你要纠拼写？查日志？还是做文件名匹配？—— 答案决定了该抄哪段代码。
